자동 에세이 채점용 제약 다중 작업 학습

자동 에세이 채점(AES)을 위한 감독 기계 학습 모델은 특정 작문 작업에 대해 정확한 예측을 하기 위해 일반적으로 상당한 작업별 훈련 데이터가 필요합니다. 이러한 제한은 이들의 유용성을 저해하며 결과적으로 실제 환경에서의 배치를 방해합니다. 본 논문에서는 여러 작업의 데이터를 효과적으로 결합할 수 있는 제약 다중 작업 쌍 선호 학습 접근 방식을 사용하여 이 단점을 극복합니다.