Слабо контролирано отговаряне на въпроси
Слабо контролираното отговаряне на въпроси (WS-QA) обучава невронни модели за разбиране на текст, като използва недиректни или автоматично изведени етикети за отговори, вместо скъпи анотации на точни отговори от хора. Чрез използване на дистанционно наблюдение, евристично етикетиране или сигнали за наличие на отговор, WS-QA прави отговарянето на въпроси осъществимо в домейни и езици, където пълната анотация е непрактична.
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, C., & Gardner, M. (2018). Simple and Effective Multi-Paragraph Reading Comprehension. In Proceedings of ACL 2018, pp. 845–855. Association for Computational Linguistics. link ↗
- Min, S., Chen, D., Hajishirzi, H., & Zettlemoyer, L. (2019). A Discrete Hard EM Approach for Weakly Supervised Question Answering. In Proceedings of EMNLP-IJCNLP 2019, pp. 2083–2093. Association for Computational Linguistics. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Weakly Supervised Question Answering. ScholarGate. https://scholargate.app/bg/deep-learning/weakly-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
- Отговаряне на въпроси с адаптация към домейнДълбоко обучение↔ compare
- Фино настроено отговаряне на въпросиДълбоко обучение↔ compare
- Полуавтоматично отговаряне на въпросиДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →