சந்தேகத் தீர்வு

சந்தேகத் தீர்வு

நாடு முழுவதும் ஆயிரக்கணக்கான மாணவர்கள் ஒவ்வொரு நாளும்  நன்கு கற்கவும், கடினமாக பயிற்சி செய்யவும், மேலும் தங்கள் திறனை வளர்க்க தங்களை சோதித்து பார்த்துக்கொள்ளவும் Embibe-யை பயன்படுத்தி வருகின்றனர். இந்த பயணத்தின் மூலம், உங்களுக்கு கேள்விகள் அல்லது சந்தேகங்கள் ஏற்படுவது இயல்பானது. எனவே, மாணவர்கள் மத்தியில் கேள்வி கேட்பது எப்போதும் ஊக்குவிக்கப்படுவதற்காக, சந்தேகத்  தீர்வு பகுதி இருப்பதை Embibe உறுதி செய்கிறது. அதன் பெயரை போலவே சந்தேகத் தீர்வு, மாணவரின் சந்தேகங்களைத் தீர்ப்பதை நோக்கமாகக் கொண்டுள்ளது. இந்த உதவியை வல்லுநர்களால் வழங்க முடியும் என்றாலும், அதிக எண்ணிக்கையில் வரும் சந்தேகங்களை வல்லுநர்கள் ஒவ்வொரு முறையும் தீர்த்து வைப்பது என்பது மிகவும் கடினமானதாகும். இது மிக நீண்ட நேரத்தை வீணடித்துவிடும். மேலும் மோசமான அனுபவத்திற்கு வழிவகுக்கும்.

வாய்ப்பினை பயன்படுத்திக்கொள்ளுதல்

பெரும்பாலான கல்வி உள்ளடக்கம் படங்கள், சமன்பாடுகள் மற்றும் சின்னங்களில் மறைக்கப்பட்ட தகவல்களை உள்ளடக்கியது. படங்கள் மற்றும் உரைகளில் இருந்து சொற்பொருள் தகவல்களைப் பிரித்தெடுப்பது என்பது ஒரு களம் சார்ந்த மற்றும் கடினமான பணியாகும், இதற்கு பெரிய தரவுத்தொகுப்புகள், களம் சார்ந்த அறிவு மற்றும் இயற்கையான மொழி மற்றும் ஆழ்ந்த கற்றல் அணுகுமுறைகள் தேவை.

பெரும்பாலான சந்தேகங்களைத் தீர்க்கும் தயாரிப்புகள் ஒரே மாதிரியான கேள்விகளை வழங்குவதற்கு அல்லது கேள்வியைச் சுற்றி இருக்கும் சூழலின் அடிப்படையில் கேள்விகளுக்கு பதிலளிக்கும் திறன் கொண்ட அமைப்பை உருவாக்குவதற்கு ஏற்கனவே உள்ள உள்ளடக்கத்தை பயன்படுத்துகின்றன. Embibe-யில், எங்கள் கேள்வி வங்கியில் மில்லியன் கணக்கான கேள்விகள் உள்ளன. கேள்வி உரை மற்றும் கேள்வியில் உள்ள வரைபடங்கள் அல்லது புள்ளிவிவரங்கள் ஆகியவற்றிலிருந்து சூழல் சார்ந்த தகவல்களைப் பெற, எங்கள் கல்வி நிறுவனத்தில் சிறந்த முறையில் வடிவமைக்கப்பட்ட அதிநவீன மாதிரிகளைப் பயன்படுத்துகிறோம்.

சந்தேகத் தீர்வு மூலம், 93% கேள்விகளுக்கு எந்த மனித தலையீடும் இல்லாமல் தானாகவே பதிலளிக்க முடியும்.

சந்தேகத் தீர்வு அமைப்பினை உருவாக்குதல்

வரைபடங்களை பிரித்தெடுத்தல்:

சந்தேகத்தைத் தீர்க்க உதவ, கேள்வியை பற்றி வழங்கப்பட்ட அனைத்து விவரங்களையும் பெறுவது எங்களுக்கு முக்கியம். எனவே, பிரித்தெடுக்கப்பட்ட வரைபடங்களும் சொற்பொருள் ஒற்றுமையின் போது கணக்கிடப்படுவதை உறுதிசெய்ய, வரைபடங்களை பிரித்தெடுத்தல் அடுக்கை அறிமுகப்படுத்துகிறோம். OCR தொகுதிக்கான உள்ளீட்டில் வரைபடம் இருப்பது அதைக் குழப்பலாம். எனவே OCR செயலாக்கத்தை எளிதாக்கும் வகையில் வரைபட எல்லைப் பெட்டியை அகற்ற படத்தைச் செயலாக்குகிறோம். கல்விசார்-களத்திற்கான எங்களின் வரைபடங்களை பிரித்தெடுத்தல் மாதிரியானது, YOLOv5 போன்ற சிக்கலான மாடல்களை துல்லியமாக தீர்க்க உதவுகிறது.

ஒளியால் எழுத்துணர்தல் (OCR):

படத்தில் இருக்கும் புள்ளிவிவரங்களைப் பிரித்தெடுத்த பிறகு, OCR லேயரைப் பயன்படுத்தி, படத்தின் உள்ளே இருக்கும் உரையைப் பிரித்தெடுத்து, பின்னர் ஒரு கட்டத்தில் பயன்படுத்துவோம். OCR செயல்திறனை மேம்படுத்த, வளைவைத் திருத்துதல், நிழலை அகற்றுதல், தெளிவுத்திறனை மேம்படுத்துதல் மற்றும் மங்கலானதைக் கண்டறிதல் போன்ற முன்செயலாக்கப் படிகள் செய்யப்படுகின்றன.

பட குறியாக்கம்:

ResNet மற்றும் EfficientNet போன்ற அதிநவீன கணினி பார்வை மாடல்களைப் பயன்படுத்தி, உருவங்களை அடர்த்தியான வெக்டாரில் குறியாக்கப் பயன்படுத்துகிறோம். இது படத்தில் இருக்கும் சொற்பொருள் தகவலைப் படம்பிடிக்கிறது.

உரை குறியாக்கம்:

கேள்வி உரைகள், பதில்கள் மற்றும் அவற்றின் விரிவான விளக்கங்களைக் கொண்ட எங்கள் கல்வி நிறுவனத்தில் மாதிரியைப் பயிற்றுவிப்பதன் மூலமும் மும்மடங்கு இழப்பு மற்றும் பரஸ்பர தகவல் அதிகரிப்பு போன்ற நுட்பங்களை மேம்படுத்துவதன் மூலமும் அடர்த்தியான வெக்டார் பிரதிநிதித்துவத்தைக் கற்றுக்கொள்கிறோம். BERT மற்றும் T5 போன்ற முன் பயிற்சி பெற்ற மொழி மாதிரிகளை நாங்கள் பயன்படுத்துகிறோம். OCR பிரித்தெடுக்கப்பட்ட உரையை அடர்த்தியான வெக்டார்களாக மாற்ற இந்த குறியாக்கி மாதிரியைப் பயன்படுத்துகிறோம். அவை சொற்பொருளியல் ரீதியாக ஒரே மாதிரியான கேள்விகளைப் பெற மேலும் பயன்படுத்தப்படுகின்றன.

ஒரே மாதிரியான கேள்விகளை மீட்டெடுப்பது:

குறியிடப்பட்ட படங்கள் மற்றும் உரையை எங்கள் கேள்வி வங்கியில் உள்ள அனைத்து கேள்விகளுடனும் ஒப்பிட்டு, டாப்-கே போன்ற கேள்விகளை மீட்டெடுக்கிறோம். ஒரு கேள்வியில் படத்தின் முக்கியத்துவத்தின் அடிப்படையில் உரை மற்றும் படம் இரண்டும் இருந்தால் அவற்றிற்கு இடையேயுள்ள ஒற்றுமையை அறிவதற்கான நுட்பங்களையும் நாங்கள் பயன்படுத்துகிறோம். மில்லியன் கணக்கான பதிவுகளில் அடர்த்தியான வெக்டார்களின் கொசைன் ஒற்றுமையைச் செயல்படுத்துவது விலை உயர்ந்த ஒரு செயலாகும். எனவே, எங்கள் கணினியை செயல்திறன் மிக்கதாக மாற்ற ஷார்டிங், பக்கெட்டிங் மற்றும் கிளஸ்டரிங் போன்ற அணுகுமுறைகளை நாங்கள் பயன்படுத்துகிறோம்.

குறிப்பிட்ட பாடத்திற்கான இடுகை செயலாக்கம்:

வேதியியல் சமன்பாடுகளைக் கையாளுதல், உரையில் இருக்கும் கணித வெளிப்பாடுகள் போன்ற பாடம் சார்ந்த பின் செயலாக்க நுட்பங்களைப் பயன்படுத்துகிறோம். உரையில் உள்ள வேதியியல் சமன்பாடுகள் மற்றும் வேதியியல் கூறுகள் சொற்பொருள் ஒத்த கேள்விகளை மீட்டெடுப்பதில் முக்கிய பங்கு வகிக்கிறது.

ரெபெரென்ஸ்:

[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 ஹோமிற்கு பின் செல்லவும்