Domæne-adaptiv Spørgsmålsbesvarelse
Domæne-adaptiv Spørgsmålsbesvarelse (DA-QA) tilpasser en fortrænet sprogmodel – typisk BERT eller RoBERTa – der først er trænet på generelle QA-benchmarks som SQuAD, til at besvare spørgsmål præcist inden for et nyt måldomæne (f.eks. biomedicinsk, juridisk, finansielt), hvor mærkede data er sparsomme. Ved at kombinere domæne-adaptiv fortræning med opgave-finjustering opnås en væsentligt stærkere ydeevne end ved direkte finjustering alene.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Garg, S., Vu, T., & Moschitti, A. (2020). TANDA: Transfer and Adapt Pre-Trained Transformer Models for Answer Sentence Selection. Proceedings of the AAAI Conference on Artificial Intelligence, 34(5), 7780–7788. DOI: 10.1609/aaai.v34i05.6282 ↗
- Yue, X., Zeng, Z., Shi, Y., Zhang, C., & Song, Y. (2022). Domain-adaptive Pre-training Methods for Natural Language Understanding. arXiv preprint. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Domain-Adaptive Question Answering (DA-QA). ScholarGate. https://scholargate.app/da/deep-learning/domain-adaptive-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.
- BERT-baseret klassifikationDyb læring↔ compare
- Domæne-adaptiv BERT-baseret klassifikationDyb læring↔ compare
- Finjusteret Spørgsmål-SvarDyb læring↔ compare
- Fler-sproget Spørgsmål-SvarDyb læring↔ compare
- RoBERTa-baseret KlassifikationDyb læring↔ compare
- Transfer Learning med BERT-baseret KlassifikationDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →