Полуавтоматично отговаряне на въпроси
Полуавтоматичното отговаряне на въпроси (QA) обучава модел върху малък етикетиран набор от двойки въпрос-отговор, след което генерира псевдо-етикети върху голям нетакетиран корпус и преобучава итеративно. Този цикъл на самообучение драстично увеличава ефективните данни за обучение без цената на пълна ръчна анотация, постигайки силно представяне при разбиране на текст, QA от отворен домейн и задачи за машинно четене.
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
- Clark, K., Luong, M.-T., Le, Q. V., & Manning, C. D. (2020). ELECTRA: Pre-training Text Encoders as Discriminators Rather Than Generators. In Proceedings of ICLR 2020. link ↗
- Yang, Z., Dai, Z., Yang, Y., Carbonell, J., Salakhutdinov, R., & Le, Q. V. (2019). XLNet: Generalized Autoregressive Pretraining for Language Understanding. In Advances in Neural Information Processing Systems (NeurIPS 2019). link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Question Answering (Self-Training and Consistency-Based NLP). ScholarGate. https://scholargate.app/bg/deep-learning/semi-supervised-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
- Фино настроено отговаряне на въпросиДълбоко обучение↔ compare
- Самообучаващо се отговаряне на въпросиДълбоко обучение↔ compare
- Полу-наблюдавана класификация, базирана на BERTДълбоко обучение↔ compare
- Трансформер с полунаблюдавано обучениеДълбоко обучение↔ compare
- Слабо контролирано отговаряне на въпросиДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →