H-AES：面向印地语自动作文评分的研究
计算与语言
2023-03-01 v1
摘要
自然语言处理（NLP）用于自动作文评分（AES）在英语语言中已得到充分探索，基准模型的性能可与人工评分者相媲美。然而，印地语及其他低资源语言的 AES 仍未被探索。在本研究中，我们复现并比较了印地语领域中最先进的 AES 方法。我们采用经典的基于特征的机器学习（ML）以及先进的端到端模型，包括 LSTM 网络和微调的 Transformer 架构，所得结果与英语语言领域相当。印地语作为一种低资源语言，缺乏专用的作文评分语料库。我们使用翻译的英语作文训练并评估模型，并在我们自建的小规模真实世界印地语语料库上经验性地衡量其性能。随后我们进行了深入分析，讨论了所实现的不同语言模型在特定提示下的行为。
引用
@article{arxiv.2302.14635,
title = {H-AES: Towards Automated Essay Scoring for Hindi},
author = {Shubhankar Singh and Anirudh Pupneja and Shivaansh Mital and Cheril Shah and Manish Bawkar and Lakshman Prasad Gupta and Ajit Kumar and Yaman Kumar and Rushali Gupta and Rajiv Ratn Shah},
journal= {arXiv preprint arXiv:2302.14635},
year = {2023}
}
备注
9 pages, 3 Tables, To be published as a part of Proceedings of the 37th AAAI Conference on Artificial Intelligence