ଡାଉଟ୍ ରିଜୋଲ୍ୟୁସନ୍

ଡାଉଟ୍ ରିଜୋଲ୍ୟୁସନ୍

ପ୍ରେରଣା

ସାରା ଦେଶରେ ହଜାର ହଜାର ବିଦ୍ୟାର୍ଥୀ ଲର୍ଣ୍ଣିଂ ଆଉଟକମ୍ ଆଚିଭ୍ କରିବା ପାଇଁ ଅଧିକ ଲର୍ଣ୍ଣ କରିବା, କଠିନ ପ୍ରାକ୍ଟିସ୍ କରିବା ଏବଂ ନିଜକୁ ଟେଷ୍ଟ କରିବା ଲାଗି ପ୍ରତିଦିନ Embibe ବ୍ୟବହାର କରନ୍ତି । ଏହି ଯାତ୍ରାରେ, ସେମାନଙ୍କର ଅନେକ ପ୍ରଶ୍ନ କିମ୍ବା ଡାଉଟ୍ ଆସିବା ସ୍ୱାଭାବିକ । ତେଣୁ, ବିଦ୍ୟାର୍ଥୀମାନଙ୍କ ମଧ୍ୟରେ ପ୍ରଶ୍ନ ପ୍ରଚାରିବା ଗୁଣକୁ ସବୁବେଳେ ଉତ୍ସାହିତ କରିବା ଲାଗି ଆମେ ଡାଉଟ୍ ରିଜୋଲ୍ୟୁସନ୍ ପ୍ରଡକ୍ଟ ମଧ୍ୟ ରଖିଛୁ ।

ନାମରୁ ଜଣାପଡେ ଯେ, ଏହା ହେଉଛି ଏକ ପ୍ଲାଟଫର୍ମ ଯାହା ବିଦ୍ୟାର୍ଥୀଙ୍କ ଡାଉଟ୍ ସମାଧାନ କରିବାରେ ସାହାଯ୍ୟ କରେ । ଏହି ସହାୟତା ସମ୍ବନ୍ଧିତ ବିଷୟର ବିଶେଷଜ୍ଞଙ୍କ ଦ୍ୱାରା ଦିଆଯାଇପାରେ, କିନ୍ତୁ ଏକ ସମୟରେ ଆସୁଥିବା ଅନେକ ସମସ୍ୟା ଓ ପ୍ରଶ୍ନକୁ ନେଇ ଡାଉଟ୍ କୁ ଗୋଟିଗୋଟି କରି ସମାଧାନ କରିବା ବିଶେଷଜ୍ଞମାନଙ୍କ ପାଇଁ କଷ୍ଟକର ବ୍ୟାପାର ହୋଇପାରେ । ପୁଣି ଏଥିପାଇଁ ଅଧିକ ସମୟ ଅପେକ୍ଷା କରିବାକୁ ପଡିପାରେ ଏବଂ ଏହାକୁ ନେଇ ୟୁଜରଙ୍କ ଅନୁଭୂତି ଏତେ ଭଲ ନ ଥାଏ ।

ସୁଯୋଗର ବ୍ୟବହାର କରିବା

ଏକାଡେମିକ୍ ବିଷୟବସ୍ତୁର ଅଧିକାଂଶ ଅଂଶ ହେଉଛି ଚିତ୍ର, ସମୀକରଣ ଓ ପ୍ରତୀକଗୁଡ଼ିକରେ ନିହିତ ଥିବା ସୂଚନା । ଚିତ୍ର ଓ ପାଠ୍ୟରୁ ଅର୍ଥଗତ ସୂଚନା ବାହାର କରିବା ଏବେ ଏକ ଡୋମେନ୍-ନିର୍ଭରଶୀଳ ଏବଂ କଠିନ କାର୍ଯ୍ୟ, ଯାହା ବୃହତ ଡାଟାସେଟ୍, ନିର୍ଦ୍ଦିଷ୍ଟ ଡୋମେନ୍ ଜ୍ଞାନ ଏବଂ ପ୍ରାକୃତିକ ଭାଷା ଓ ଦୃଷ୍ଟିଭଙ୍ଗୀ ପାଇଁ ଗଭୀର ଶିକ୍ଷଣ ଆଭିମୁଖ୍ୟ ଆଦିର ଉପଲବ୍ଧତା ଆବଶ୍ୟକ କରେ ।

ଅଧିକାଂଶ ଡାଉଟ୍-ରିଜୋଲ୍ୟୁସନ୍ ପ୍ରଡକ୍ଟଗୁଡିକ ଉପଲବ୍ଧ ପ୍ରଶ୍ନାବଳୀ ସଂଗ୍ରହ ବ୍ୟବହାର କରି ସମତୁଲ୍ୟ ପ୍ରଶ୍ନ ଯୋଗାଇଦେଇଥାନ୍ତି । କିମ୍ବା ପ୍ରଶ୍ନର ପ୍ରସଙ୍ଗକୁ ଆଧାର କରି ଉତ୍ତର ଦେବାକୁ ସକ୍ଷମ ହେବା ପାଇଁ ଏକ ପ୍ରଣାଳୀ ଗଠନ କରିଥାନ୍ତି । Embibeରେ ଆମର ପ୍ରଶ୍ନ ବ୍ୟାଙ୍କରେ ଲକ୍ଷ ଲକ୍ଷ ପ୍ରଶ୍ନ ଅଛି ।  ପ୍ରଶ୍ନରେ ଉପସ୍ଥିତ ପ୍ରଶ୍ନ ବିଷୟବସ୍ତୁ, ଏବଂ ଅଙ୍କନ କିମ୍ବା ଚିତ୍ରରୁ ପ୍ରାସଙ୍ଗିକ ସୂଚନା ପାଇବା ପାଇଁ ଆମେ ଆମର ଏକାଡେମିକ୍ ସଂଗ୍ରହାବଳୀକୁ ଅଦ୍ୟତନ ଓ ବିକଶିତ କରିବା ପାଇଁ ଅତ୍ୟାଧୁନିକ ମଡେଲ୍ ବ୍ୟବହାର କରୁଛୁ ।

ଡାଉଟ୍ ରିଜୋଲ୍ୟୁସନ୍ ପ୍ରଡକ୍ଟ ଦ୍ଵାରା କୌଣସି ମାନବ ପଦକ୍ଷେପ ସାହାଯ୍ୟ ବିନା 93% ପ୍ରଶ୍ନର ଉତ୍ତର ଆପେ ଆପେ ଦିଆଯାଇପାରେ ।

ଡାଉଟ୍ ରିଜୋଲ୍ୟୁସନ୍ ସିଷ୍ଟମ୍ ଗଠନ

ଡାଇଗ୍ରାମ୍ ଏକ୍ସଟ୍ରାକ୍ସନ୍:

ତୁରନ୍ତ ଡାଉଟ୍ ର ସମାଧାନ କରିବାକୁ ହେଲେ ଏହା ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଯେ ପ୍ରଶ୍ନରେ ପ୍ରଦତ୍ତ ସମସ୍ତ ବିବରଣୀକୁ ଆମକୁ ବୁଝିବାକୁ ହେବ । ଏହା ସହ ଆମେ ଡାଇଗ୍ରାମ୍ ଏକ୍ସଟ୍ରାକ୍ସନ୍ ଲେୟାର୍ ମଧ୍ୟ ଉପଯୋଗ କରିଥାଉ । ଏହା ଦ୍ୱାରା ସୁନିଶ୍ଚିତ କରାଯାଏ ଯେ ଏକ୍ସଟ୍ରାକ୍ଟେଡ୍ ଚିତ୍ରଗୁଡ଼ିକ ଅର୍ଥଗତ ସମାନତାକୁ ମଧ୍ୟ ହିସାବ କରିଥାଏ । OCR ମଡ୍ୟୁଲରେ ଇନପୁଟ୍ ରେ ଡାଇଗ୍ରାମ ଥିଲେ, ଏହାକୁ ଭ୍ରମରେ ପକାଇପାରେ, ତେଣୁ ଆମେ ଡାଇଗ୍ରାମ୍ ବାଉଣ୍ଡିଂ ବକ୍ସକୁ ଅପସାରଣ କରିବା ପାଇଁ ଚିତ୍ରକୁ ପ୍ରକ୍ରିୟାକରଣ କରୁ, ଯାହା ଏହାକୁ OCR ପ୍ରକ୍ରିୟାକରଣ ପାଇଁ ସରଳ କରିଥାଏ । ଏକାଡେମିକ୍-ଡୋମେନ୍ ପାଇଁ ଆମେ ଫିଗର୍ ଏକ୍ସଟ୍ରାକ୍ସନ୍ ମଡେଲ୍ ପ୍ରସ୍ତୁତ କରିଛୁ । ଯାହା YOLOv5 ପରି ଜଟିଳ ମଡେଲଗୁଡିକରେ ମଧ୍ୟ ସଠିକତା ସହ ଫଳାଫଳ ଦେଇଥାଏ ।

ଅପ୍ଟିକାଲ୍ କ୍ୟାରେକ୍ଟର୍ ରେକୋଗନିସନ୍ (OCR):

ଆମେ ଚିତ୍ରରେ ଥିବା ଫିଗରଗୁଡ଼ିକୁ ବାହାର କରିବା ପରେ, ପରବର୍ତ୍ତୀ ପର୍ଯ୍ୟାୟରେ ବ୍ୟବହୃତ ହେବାକୁ ଥିବା ଚିତ୍ର ଭିତରେ ଥିବା ପାଠ୍ୟକୁ ବାହାର କରିବା ଏବଂ ବିଶ୍ଳେଷଣ କରିବା ପାଇଁ ଆମେ OCR ସ୍ତର ବ୍ୟବହାର କରୁ । ସ୍କିଉ ସଂଶୋଧନ, ସ୍ୟାଡୋ ହଟାଇବା, ରିଜୋଲ୍ୟୁସନ୍ ବଢାଇବା, ଏବଂ ଅସ୍ପଷ୍ଟତା ଚିହ୍ନଟ କରିବା ପରି ପଦକ୍ଷେପଗୁଡିକ OCR କାର୍ଯ୍ୟଦକ୍ଷତାକୁ ଉନ୍ନତ କରିବା ପାଇଁ କରାଯାଇଥାଏ ।

ଚିତ୍ର ଏନକୋଡିଂ:

ଆମେ ଚିତ୍ରରେ ଥିବା ଅର୍ଥ ସମ୍ବନ୍ଧୀୟ ସୂଚନାକୁ ଧରି ରଖିବା ପାଇଁ ଡେନ୍ସ ଭେକ୍ଟରରେ ଫିଗରକୁ ଏନକୋଡ୍ କରିବା ପାଇଁ ResNet ଓ EfficientNet ପରି ଅତ୍ୟାଧୁନିକ କମ୍ପ୍ୟୁଟର ଭିଜନ୍ ମଡେଲଗୁଡିକର ବ୍ୟବହାର କରୁ,  ଯାହା ଫଳରେ ଅର୍ଥଗତ ଭାବେ ସମାନ ଚିତ୍ର କିଛି ଭିନ୍ନ ଚିତ୍ରଠାରୁ ପରସ୍ପର ପାଖାପାଖି ହେବେ ।

ଟେକ୍ସଟ୍ ଏନକୋଡିଂ:

ପ୍ରଶ୍ନ ପାଠ୍ୟ, ଉତ୍ତର ଓ ସେଗୁଡିକର ବିସ୍ତୃତ ବ୍ୟାଖ୍ୟାକୁ ନେଇ ଆମ ଏକାଡେମିକ୍ କର୍ପୋରାରେ ମଡେଲକୁ ଦକ୍ଷ କରି ଟ୍ରିପଲେସ୍ କ୍ଷତି ଏବଂ ପାରସ୍ପରିକ ସର୍ବାଧିକ ସୂଚନା ପ୍ରଦାନ ପରି କୌଶଳଗୁଡିକ ବ୍ୟବହାର ଦ୍ୱାରା ଆମେ ଡେନ୍ସ ଭେକ୍ଟର ନିରୂପଣ ଶିଖିଥାଉ । ଆମେ BERT, ଏବଂ T5 ପରି ପୂର୍ବ-ପ୍ରଶିକ୍ଷିତ ଭାଷା ମଡେଲଗୁଡିକର ଲାଭ ଉଠାଇଥାଉ । ତା’ପରେ ଆମେ ଏହି ଏନକୋଡର୍ ମଡେଲକୁ OCR ବାହାର କରାଯାଇଥିବା ପାଠକୁ ଡେନସ୍ ଭେକ୍ଟରରେ ରୂପାନ୍ତର କରିବା ପାଇଁ ବ୍ୟବହାର କରିଥାଉ, ଯାହାକି ଅର୍ଥଗତ ସମାନ ପ୍ରଶ୍ନର ପୁନରୁଦ୍ଧାର ପାଇଁ ବ୍ୟବହୃତ ହୁଏ ।

ସମାନ ପ୍ରକାର ପ୍ରଶ୍ନକୁ ପୁଣି ପାଇବା:

ଆମ କୋଶ୍ଚିନ୍ ବ୍ୟାଙ୍କରେ ଥିବା ସମସ୍ତ ପ୍ରଶ୍ନକୁ ନେଇ ଆମେ ଏନକୋଡେଡ୍ ଚିତ୍ର ଏବଂ ପାଠ୍ୟ ତୁଳନା କରୁ ଏବଂ ଟପ୍-k ସମାନ ପ୍ରଶ୍ନର ପୁନରୁଦ୍ଧାର କରୁ । ଏକ ପ୍ରଶ୍ନରେ ଚିତ୍ରର ମହତ୍ତ୍ୱ ଆଧାରରେ ପାଠ୍ୟ ଓ ଚିତ୍ର ଉଭୟ ଥିଲେ ଆମେ ଏକ ଭରିତ ସମାନତା ନେବା ପାଇଁ ମଧ୍ୟ କୌଶଳ ଆପଣାଇଥାଉ । ଲକ୍ଷ ଲକ୍ଷ ରେକର୍ଡରେ ଡେନ୍ସ ଭେକ୍ଟରର କୋସାଇନ୍ ସମାନତା କରିବା କାର୍ଯ୍ୟରେ ଅଧିକ ଖର୍ଚ୍ଚ ହୋଇଥାଏ । ତେଣୁ, ସିଷ୍ଟମର ଭଲ ପ୍ରଦର୍ଶନ ପାଇଁ ଆମେ ସାର୍ଡିଙ୍ଗ୍, ବକେଟିଂ ଏବଂ କ୍ଲଷ୍ଟରିଙ୍ଗ୍ ପଦ୍ଧତିକୁ ବ୍ୟବହାର କରିଥାଉ ।

ବିଷୟ ନିର୍ଦ୍ଧିଷ୍ଟ ପୋଷ୍ଟ ପ୍ରୋସେସିଂ:

ଆମେ ବିଷୟ ନିର୍ଦ୍ଦିଷ୍ଟ ପୋଷ୍ଟ ପ୍ରୋସେସିଂ କୌଶଳ ବ୍ୟବହାର କରୁ, ଯେପରିକି ପାଠ୍ୟବସ୍ତୁରେ ଥିବା ରାସାୟନିକ ସମୀକରଣ ପରିଚାଳନା, ଗାଣିତିକ ପରିପ୍ରକାଶର ସମାଧାନ କରିବା । ପାଠ୍ୟବସ୍ତୁରେ ଥିବା ରାସାୟନିକ ସମୀକରଣ ଏବଂ ରାସାୟନିକ ତତ୍ତ୍ୱଗୁଡ଼ିକ ସମାନ ପ୍ରଶ୍ନଗୁଡିକର ପୁନରୁଦ୍ଧାର ପାଇଁ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଭୂମିକା ଗ୍ରହଣ କରିଥାଏ ।

ସନ୍ଦର୍ଭ:

[1] Raffel, Colin, Noam Shazeer, Adam Roberts, Katherine Lee, Sharan Narang, Michael Matena, Yanqi Zhou, Wei Li, and Peter J. Liu. “Exploring the limits of transfer learning with a unified text-to-text transformer.” arXiv preprint arXiv:1910.10683 (2019).

[2] Devlin, Jacob, Ming-Wei Chang, Kenton Lee, and Kristina Toutanova. “Bert: Pre-training of deep bidirectional transformers for language understanding.” arXiv preprint arXiv:1810.04805 (2018).

[3] Tan, Mingxing, and Quoc Le. “Efficientnet: Rethinking model scaling for convolutional neural networks.” In International Conference on Machine Learning, pp. 6105-6114. PMLR, 20

[4] Faldu, Keyur, Amit Sheth, Prashant Kikani, and Hemang Akabari. “KI-BERT: Infusing Knowledge Context for Better Language and Domain Understanding.” arXiv preprint arXiv:2104.08145 (2021).

[5] Gaur, Manas, Keyur Faldu, and Amit Sheth. “Semantics of the Black-Box: Can knowledge graphs help make deep learning systems more interpretable and explainable?.” IEEE Internet Computing 25, no. 1 (2021): 51-59.

[6] Gaur, Manas, Ankit Desai, Keyur Faldu, and Amit Sheth. “Explainable AI Using Knowledge Graphs.” In ACM CoDS-COMAD Conference. 2020.

[7] Sheth, Amit, Manas Gaur, Kaushik Roy, and Keyur Faldu. “Knowledge-intensive Language Understanding for Explainable AI.” IEEE Internet Computing 25, no. 5 (2021): 19-24.

[8] “#RAISE2020 – Embibe – AI-Powered learning outcomes platform for personalized education”, MyGov India, Oct 2020, https://www.youtube.com/watch?v=kuwFtHgN3qU

[9] Faldu, Keyur, Aditi Avasthi, and Achint Thomas. “Adaptive learning machine for score improvement and parts thereof.” U.S. Patent 10,854,099, issued December 1, 2020.

← AI ହୋମ୍‌କୁ ଫେରନ୍ତୁ