Многоезичен отговор на въпроси
Многоезичният отговор на въпроси (QA) позволява на модел да чете пасаж и да отговаря на въпроси на множество езици, често чрез фино настройване на транс-езиков предварително обучен трансформер като mBERT или XLM-R върху анотиран QA набор от данни на един език и прехвърляне на тази способност в режим zero-shot или few-shot към други езици. Това е стандартният подход за изграждане на многоезични системи за разбиране на прочетеното и QA от отворен домейн.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Artetxe, M., Ruder, S., & Yogatama, D. (2020). On the cross-lingual transferability of monolingual representations. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (pp. 4623–4637). ACL. DOI: 10.18653/v1/2020.acl-main.421 ↗
- Clark, J. H., Choi, E., Collins, M., Garrette, D., Kwiatkowski, T., Nikolaev, V., & Palomaki, J. (2020). TyDi QA: A benchmark for information-seeking question answering in typologically diverse languages. Transactions of the Association for Computational Linguistics, 8, 454–470. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Multilingual Question Answering (Cross-lingual MRC). ScholarGate. https://scholargate.app/bg/deep-learning/multilingual-question-answering
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Класификация, базирана на BERTДълбоко обучение↔ compare
- Многоезикови векторни представяния на изреченияДълбоко обучение↔ compare
- Многоезичен трансформерДълбоко обучение↔ compare
- Класификация, базирана на RoBERTaДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →