Leaf-Question-Generation 项目推荐

Leaf-Question-Generation 项目推荐

Leaf-Question-Generation Easy to use and understand multiple-choice question generation algorithm using T5 Transformers. 项目地址: https://gitcode.com/gh_mirrors/le/Leaf-Question-Generation

Leaf-Question-Generation 是一个基于 T5 变换器的多选题目生成算法，主要使用 Python 语言进行开发。该项目旨在自动化生成与给定文本相对应的多选题目，适用于教育、在线测试以及知识分享等多个场景。

1. 项目基础介绍与主要编程语言

该项目使用 Python 作为主要的编程语言，利用先进的自然语言处理技术，通过 T5 变换器模型自动生成问题及答案对，进而生成干扰项，实现完整的多选题目。Leaf-Question-Generation 项目提供了一个简单易用的算法，可以有效地减轻教育工作者在出题上的负担。

2. 项目核心功能

• 问题与答案对生成：项目使用在 SQuAD1.1 数据集上微调过的 T5 变换器模型，能够根据给定的答案和上下文生成相应的问题。
• 干扰项生成：另一个 T5 变换器模型在 RACE 数据集上进行微调，用于生成干扰项，以增加题目的难度和多样性。
• Web 应用：项目还包括了一个简单的 Angular Web 应用，用于展示算法的效果。用户可以输入文本段落和所需题目的数量，应用将输出生成的每个问题，并提供编辑功能。

3. 项目最近更新的功能

最近的项目更新可能包括以下内容：

• 算法优化：对问题生成和干扰项生成的模型进行了进一步的优化，提高了题目的质量和准确性。
• 性能提升：对代码进行了优化，提高了算法的执行效率和响应速度。
• 用户体验改进：Web 应用界面进行了优化，提升了用户的使用体验。
• 文档完善：项目的文档更加完善，提供了更详细的安装指南和使用说明。

Leaf-Question-Generation 项目是一个非常有用的开源工具，对于需要自动化生成多选题目的教育工作者和技术开发者来说，都是一个值得尝试的选择。

Leaf-Question-Generation Easy to use and understand multiple-choice question generation algorithm using T5 Transformers. 项目地址: https://gitcode.com/gh_mirrors/le/Leaf-Question-Generation