Метод автоматической генерации вопросов и ответов для систем тестирования знаний
https://doi.org/10.35596/1729-7648-2025-23-3-54-61
Аннотация
Рассмотрена техника автоматической генерации вопросов и ответов для тестирования знаний. Предложенный подход построен на разработанном методе определения и использования кластеров ключевых слов для генерации по ним вопросов и ответов на базе глобальной или локальной языковой модели, что определяет теоретико-прикладную новизну. Кластеры строятся на основе корпуса текстовых документов, относящихся к изучаемой области (учебная литература, методические пособия, электронные ресурсы). Представленное в статье техническое решение является логически законченным и может служить основой для практических разработок.
Об авторах
С. А. Мигалевич
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
нач. центра информатизации и инновационных разработок, соискатель каф. программного обеспечения информационных технологий
Беларусь
нач. центра информатизации и инновационных разработок, соискатель каф. программного обеспечения информационных технологий
Ю. О. Герман
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
канд. техн. наук, доц. каф. информационных технологий автоматизированных систем
Беларусь
канд. техн. наук, доц. каф. информационных технологий автоматизированных систем
О. В. Герман
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
канд. техн. наук, доц. каф. информационных технологий автоматизированных систем
Беларусь
канд. техн. наук, доц. каф. информационных технологий автоматизированных систем
Список литературы
1. A Review on Question Generation from Natural Language Text / Ch. Ruqing [et al.] // ACM Trans. on Information Systems. 2021. Vol. 40, No 1.
2. Brusilowsky, P. Web-Based Testing for Distance Education / P. Brusilowsky, P. Miller // WebNet’99, World Conference of the WWW and Internet, AACE, Honolulu, 1999. Р. 149–154.
3. Герман, О. В. Введение в теорию экспертных систем и обработку знаний / О. В. Герман // Минск: ДизайнПро, 1995.
4. Bird, S. Natural Language Processing with Python / S. Bird, E. Klein, E. Loper // O’Reilly Media Inc. USA, 2007.
5. Montgomery, D. C. Design and Analysis of Experiments / D. C. Montgomery // John Wiley&Soms Inc. USA, 2013.
6. Neter, J. Applied Linear Regression Models / J. Neter, W. Wasserman, M. H. Kutner // R. D. Irwin Inc. USA, 1983.
7. Blei, D. M. Latent Dirichlet Allocation / D. M. Blei, A. Y. Ng, M. I. Jordan // Journal of Machine Learning Research. 2003. No 3. P. 9931022.
8. Han, J. Data Mining. Concepts and Techniques / J. Han, M. Kamber, J. Pei // Elsevier. 2012.
9. Герман, О. В. Алгоритм булевой оптимизации на (0,1)-матрицах / О. В. Герман, Е. И. Германович, В. Г. Найденко // Журнал вычислительной математики и математической физики. 1992. Т. 32, № 7. C. 1114–1125.
10. Герман, О. В. Разрешающий принцип для задачи о минимальном покрытии 0,1-матрицы / О. В. Герман // Кибернетика и системный анализ. 1996. № 1. C. 135–145.
11. Герман, Ю. О. Метод извлечения информации из резюме / Ю. О. Герман, O. В. Герман, С. Наср // Труды БГТУ. Серия 3. Физико-математические науки и информатика. 2019. № 1. С. 6468.
Рецензия
Для цитирования:
Мигалевич С.А., Герман Ю.О., Герман О.В. Метод автоматической генерации вопросов и ответов для систем тестирования знаний. Доклады БГУИР. 2025;23(3):54-61. https://doi.org/10.35596/1729-7648-2025-23-3-54-61
For citation:
Migalevich S.А., German J.O., German O.V. Method of Automatic Generation of Questions and Answers for Knowledge Testing Systems. Doklady BGUIR. 2025;23(3):54-61. (In Russ.) https://doi.org/10.35596/1729-7648-2025-23-3-54-61
Просмотров:
18
Послать статью по эл. почте 