Maskinlæsningsforståelse (MRC)
Maskinlæsningsforståelse (MRC), populariseret af SQuAD-benchmarken af Rajpurkar, Zhang, Lopyrev og Liang (2016), er en opgave inden for naturlig sprogbehandling, hvor en model læser et givet afsnit og besvarer multiple-choice- eller åbne spørgsmål om det. Den omdanner et afsnit plus et spørgsmål til et maskingenereret svar, hvilket understøtter informationssøgning, uddannelsesteknologi og forespørgsler i forskningsdatabaser.
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
- Rajpurkar, P., Zhang, J., Lopyrev, K. & Liang, P. (2016). SQuAD: 100,000+ Questions for Machine Comprehension of Text. EMNLP, 2383-2392. DOI: 10.18653/v1/D16-1264 ↗
- Yang, Z. et al. (2018). HotpotQA: A Dataset for Diverse, Explainable Multi-hop Question Answering. EMNLP. DOI: 10.18653/v1/D18-1259 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Neural Machine Reading Comprehension (MRC). ScholarGate. https://scholargate.app/da/text-mining/neural-machine-reading
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.
- DomænetilpasningTekstmining↔ compare
- SentimentanalyseTekstmining↔ compare
- TekstklassificeringTekstmining↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →