எளிமையான கருத்து தேர்வுக்கு – ஸ்மார்ட் டேகிங்

எளிமையான கருத்து தேர்வுக்கு – ஸ்மார்ட் டேகிங் தீர்வு

மாணவர்களின் கருத்து புரிதலை கண்டறியவே அவர்களுக்கு இணையம் மதிப்பீடு செய்யப்படுகிறது, இதற்கு மதிப்பீட்டில் பயன்படுத்தப்பட்ட கேள்விகள், கருத்துக்கள் மற்றும் கடினத்தன்மை, பதிலளிக்க தேவைப்படும் நேரம், திறன் போன்ற மெட்டா தரவுகள் தேவைப்படுகிறது. இதன் மூலம், மாணவர்களின் பலவீனம் அல்லது அந்த குறிப்பிட்ட கருத்தில் மாணவர்களின் புரிதல் அளவை அறிந்து கொள்ள முடியும். பொதுவாக, கைதேர்ந்த நிபுணர்களாலேயே மெட்டா தரவு குறியிடப்படுகிறது(டேக்). ஆனால், அதிக கேள்வி தரவுதொகுப்புகளை இவ்வாறு குறியிடுதல் என்பது அதன் உயர்ந்த விலையினால் எட்டா கனியாகவே இருக்கிறது. மேலும், தரவு தொகுப்பின் வெவ்வேறு துணைத்தொகுப்பில், பலவேறு மனித குறியீட்டாளர்கள் வேலை செய்யும் போது, தரவு தொகுப்புகளை குறியிடுதலில் எப்போதும் வேறுபாடுகள் இருக்கும். 

எங்கள் Embibe தளம், இவ்வற்றை முறியடிக்கும் வகையில் இயந்திரக் கற்றல் அணுகுமுறைகளை உருவாக்கியுள்ளது. இது கேள்விகளுக்கு மெட்டா தரவை குறியிடும் நோக்கத்தில், மனிதர்கள் உருவாக்கிய தரவுத்தொகுப்புகள் மட்டுமின்றி, இணைய மூலங்களில், பொதுவாக இலவசமாகப் கிடைக்கும் தரவுகளையும் அணுகுகிறது. இந்த கட்டுரையில், Embibe தளத்தின் ஸ்மார்ட் டேகிங் (Smart Tagging) அமைப்பை, கருத்துக்களை குறியிடும் அமைப்பாக பார்க்கிறோம். Embibe தளத்தின் கருத்துக்களை குறியிடும் அமைப்பு, கேள்விகளின் உள்ளடக்கத்தைப் புரிந்துகொள்ள NLP/NLU-ஐயும், படங்களிலிருந்து அர்த்தத்தைப் பிரித்தெடுக்க ஆழ்ந்த கற்றல் முறையையும் உபயோகப்படுத்தப்படுகிறது. மேலும், இது மேற்பார்வை செய்யப்பட்ட மற்றும் செய்யப்படாத MLஇன் இரண்டு அல்காரிதம் மூலம், குறிப்பிட்ட கேள்விக்கு பொருந்தும் அதிக நிகழ்தகவு கொண்ட கருத்துகளின் தரவரிசைப் பட்டியலை ஒதுக்குகிறது.

மேலே குறிப்பிட்டுள்ள படம் 1, ஆயிரக்கணக்கான கேள்விகள் கொட்டிக்கிடக்கும் தரவுதொகுப்பில், Embibe தளத்தின் ஸ்மார்ட் டேகிங் அமைப்பு, தோராயமாக தேர்ந்தெடுக்கப்பட்ட கருத்துகளின் முடிவுகளை வெளிப்படுத்துகிறது. Embibe தளத்தின் ஸ்மார்ட் டேகிங் அமைப்பு மற்றும் மனிதர்களின் குறியீட்டு முடிவுகளை இங்கு ஒப்பிட்டு பார்க்கிறோம். இந்த சோதனைகளுக்கான உண்மை தரவுத்தொகுப்பு, மூன்று தனித்தனி நிபுணர்களின் அதிகபட்ச வாக்குகளின் மூலம் உருவாக்கப்பட்டது. கொடுக்கப்பட்ட கேள்வி சார்ந்த கருத்துக்களை, குறிப்பாக முன்னணியில் இருக்கும் பொருத்தமான 5 கருத்துக்களை தேர்வு செய்வதில், ஸ்மார்ட் டேகிங் மற்றும் நிபுணர்கள் ஆகிய இருத்தரப்பினரின் செயல்திறன் விகிதத்தையும் படம் 1 இன் இடதுப்புறம் விளக்குகிறது. படம் 1 இல் வலதுபுறத்தில் இருக்கும் பிளாட் நமது ஆர்வத்தை மேலும் தூண்டுகிறது. பொருந்தும் கருத்துக்களின் மதிப்பீட்டின் படி, கைதேர்ந்த நிபுணர்களை விட, ஸ்மார்ட் டேகிங் முறையில் நான்கு மடங்கு அளவிற்கு, மிக சரியான பொருத்தமான கருத்துக்கள், கொடுக்கப்பட்ட கேள்விக்கு ஒதுக்கப்படுகிறது என்பதை இது தெளிவாக காட்டுகிறது.

ஸ்மார்ட் டேகிங் அமைப்பின் விவரக்குறிப்புகள் மற்றும் பண்புகள் இந்த கட்டுரையின் எல்லைக்கு அப்பாற்பட்டவை, ஏனெனில், இதற்கு தற்போது காப்புரிமை பெறப்பட்டுள்ளது.