お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2021-01-27 13:30
短答式試験における自動採点のための概念辞書を用いたデータ拡張手法の提案
加藤博之九大)・石岡恒憲大学入試センター)・峯 恒憲九大AI2020-15
抄録 (和) 自然言語処理に関する研究では,BERT をはじめとする大規模汎用言語モデルの登場によって,様々な種類のタスクにおいて処理精度の向上がもたらされているものの,答案の自動採点など,いまだ実用的な精度には達しておらず,さらなる精度の向上が望まれている.そこで,本研究では短答式試験の自動採点において,概念辞書を用いて答案中の単語を置換するデータ拡張を行い,自動採点の精度を向上させる方法を提案する.高校生の社会科と国語の模試データを用いて行った実験では,社会科ではデータ数の少ない範囲で,国語ではデータ数の多い範囲で精度の向上が見られた.また,精度の高い学習においては学習器が置換後のデータと元データを乖離して捉えていることが分かった. 
(英) In the field of natural language processing, the invention of large-scale general-purpose language models such as BERT has brought improvements in processing accuracy for various types of tasks, but the accuracy has not yet reached a practical level, also in automatic short answer scoring, and further improvements are desired. In this paper, we propose a method to improve the accuracy of automatic short answer scoring using a thesaurus to replace words in the answers. In an experiment using data from social studies and Japanese language mock exams for high school students, we found that the accuracy improved in the range with a small number of data for social studies and in the range with a large number of data for Japanese language. In addition, we found that in the case of highly accurate learning, the model understands the data after substitution and the original data in a different manner.
キーワード (和) 自然言語処理 / 自動採点 / データ拡張 / 概念辞書 / BERT / / /  
(英) NLP / AutoScoring / DataAugmentation / Thesaurus / BERT / / /  
文献情報 信学技報, vol. 120, no. 344, AI2020-15, pp. 7-12, 2021年1月.
資料番号 AI2020-15 
発行日 2021-01-20 (AI) 
ISSN Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード AI2020-15

研究会情報
研究会 AI  
開催期間 2021-01-27 - 2021-01-27 
開催地(和) オンライン開催(ハイブリッド開催から変更) 
開催地(英) Online 
テーマ(和) 「コンテキストを意識した知識の利用」および一般 
テーマ(英)  
講演論文情報の詳細
申込み研究会 AI 
会議コード 2021-01-AI 
本文の言語 日本語 
タイトル(和) 短答式試験における自動採点のための概念辞書を用いたデータ拡張手法の提案 
サブタイトル(和)  
タイトル(英) Automatic Short Answer Scoring using Thesaurus-Based Data Augmentation 
サブタイトル(英)  
キーワード(1)(和/英) 自然言語処理 / NLP  
キーワード(2)(和/英) 自動採点 / AutoScoring  
キーワード(3)(和/英) データ拡張 / DataAugmentation  
キーワード(4)(和/英) 概念辞書 / Thesaurus  
キーワード(5)(和/英) BERT / BERT  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 加藤 博之 / Hiroyuki Kato / カトウ ヒロユキ
第1著者 所属(和/英) 九州大学 (略称: 九大)
Kyushu University (略称: Kyushu Univ.)
第2著者 氏名(和/英/ヨミ) 石岡 恒憲 / Tsunenori Ishioka / イシオカ ツネノリ
第2著者 所属(和/英) 大学入試センター (略称: 大学入試センター)
National Center for University Entrance Examinations (略称: DNC)
第3著者 氏名(和/英/ヨミ) 峯 恒憲 / Tsunenori Mine / ミネ ツネノリ
第3著者 所属(和/英) 九州大学 (略称: 九大)
Kyushu University (略称: Kyushu Univ)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2021-01-27 13:30:00 
発表時間 25分 
申込先研究会 AI 
資料番号 AI2020-15 
巻番号(vol) vol.120 
号番号(no) no.344 
ページ範囲 pp.7-12 
ページ数
発行日 2021-01-20 (AI) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会