Advances in automatically solving the ENEM (2018)
- Autores:
- Autor USP: MAUÁ, DENIS DERATANI - IME
- Unidade: IME
- DOI: 10.1109/BRACIS.2018.00016
- Assuntos: RECUPERAÇÃO DA INFORMAÇÃO; SISTEMAS BASEADOS EM CONHECIMENTO; INTELIGÊNCIA ARTIFICIAL
- Palavras-chave do autor: multiple-choice question answering; ENEM; information retrieval; word embedding
- Agências de fomento:
- Idioma: Inglês
- Imprenta:
- Editora: IEEE
- Local: Piscataway
- Data de publicação: 2018
- Fonte:
- Título do periódico: Proceedings
- Nome do evento: Brazilian Conference on Intelligent Systems - BRACIS
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
SILVEIRA, Igor Cataneo e MAUÁ, Denis Deratani. Advances in automatically solving the ENEM. 2018, Anais.. Piscataway: IEEE, 2018. Disponível em: https://doi.org/10.1109/BRACIS.2018.00016. Acesso em: 20 abr. 2024. -
APA
Silveira, I. C., & Mauá, D. D. (2018). Advances in automatically solving the ENEM. In Proceedings. Piscataway: IEEE. doi:10.1109/BRACIS.2018.00016 -
NLM
Silveira IC, Mauá DD. Advances in automatically solving the ENEM [Internet]. Proceedings. 2018 ;[citado 2024 abr. 20 ] Available from: https://doi.org/10.1109/BRACIS.2018.00016 -
Vancouver
Silveira IC, Mauá DD. Advances in automatically solving the ENEM [Internet]. Proceedings. 2018 ;[citado 2024 abr. 20 ] Available from: https://doi.org/10.1109/BRACIS.2018.00016 - Hidden Markov models with set-valued parameters
- Advances in learning Bayesian networks of bounded treewidth
- Early classification of time series by Hidden Markov Models with set-valued parameters
- Initialization heuristics for greedy bayesian network structure learning
- Time robust trees: using temporal invariance to improve generalization
- On using sum-product networks for multi-label classification
- University entrance exam as a guiding test for artificial intelligence
- Modelos de tópicos na classificação automática de resenhas de usuário
- Better initialization heuristics for order-based bayesian network structure learning
- International Journal of Approximate Reasoning
Informações sobre o DOI: 10.1109/BRACIS.2018.00016 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 | 2917852.pdf |
Como citar
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
