Preguntes i respostes semi-supervisades
Les preguntes i respostes (QA) semi-supervisades entrenen un model amb un petit conjunt etiquetat de parells de preguntes i respostes, generen pseudo-etiquetes en un gran corpus no etiquetat i tornen a entrenar iterativament. Aquest cicle d'auto-entrenament augmenta dràsticament les dades d'entrenament efectives sense el cost d'una anotació manual completa, aconseguint un rendiment sòlid en comprensió lectora, QA de domini obert i tasques de lectura automàtica.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Semi-supervised Question Answering (Self-Training and Consistency-Based NLP). ScholarGate. https://scholargate.app/ca/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.
- Classificació basada en BERTAprenentatge profund↔ compare
- Preguntes Respostes RefinadesAprenentatge profund↔ compare
- Preguntes i Respostes Auto-supervisadesAprenentatge profund↔ compare
- Classificació semi-supervisada basada en BERTAprenentatge profund↔ compare
- Transformer semi-supervisatAprenentatge profund↔ compare
- Preguntes i respostes amb supervisió febleAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →