Matematinių uždavinių klasifikavimas taikant natūralios kalbos apdorojimo ir mašininio mokymosi metodus
Matematiniai tekstiniai uždaviniai yra svarbi matematikos mokymo dalis, tačiau jų analizė dažnai atliekama rankiniu būdu, todėl yra sudėtinga ir imli laikui. Šiame darbe tiriamos galimybės automatizuoti lietuviškų pradinių klasių matematinių uždavinių klasifikavimą taikant natūralios kalbos apdorojimo ir mašininio mokymosi metodus. Eksperimentuose nagrinėti skirtingi teksto paruošimo metodai, teksto vektorizavimo (žodžių maišo ir TF-IDF vektoriai) bei klasifikavimo modeliai. Rezultatai parodė, kad kategorijų klasifikavimui geriausiai tinka žodžių maišo vektorizavimo metodas kartu su atraminių vektorių klasifikatoriumi, pasiekiant 93,33 % tikslumą. Tipų klasifikavime geriausi rezultatai gauti taikant trijų žingsnių hierarchinę architektūrą su žodžių maišo vektoriais ir kalbos modelio įterpiniais (pasiektas 0,68 makro F1 įvertis). Šis tyrimas prisideda prie efektyvesnės lietuviškų matematinių tekstinių uždavinių analizės.
Šis darbas apsaugotas Creative Commons priskyrimo 4.0 viešąja licencija.