Selbstüberwachtes Question Answering
Selbstüberwachtes Question Answering (SSQA) ist ein Trainingsparadigma, das automatisch Frage-Antwort-Paare aus unbeschriftetem Text generiert – unter Verwendung von Cloze-Übersetzung, Span-Maskierung oder neuronaler Fragegenerierung –, um QA-Modelle ohne menschlich beschriftete Daten zu trainieren. Es ermöglicht hochwertige Leseverständnissysteme, selbst wenn annotierte Datensätze knapp oder domänenspezifisch sind.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Lewis, P., Denoyer, L., & Riedel, S. (2019). Unsupervised Question Answering by Cloze Translation. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics (ACL 2019), pp. 4896–4910. DOI: 10.18653/v1/P19-1484 ↗
- Alberti, C., Andor, D., Pitler, E., Devlin, J., & Collins, M. (2019). Synthetic QA Corpora Generation with Roundtrip Consistency. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics (ACL 2019), pp. 6168–6173. DOI: 10.18653/v1/p19-1620 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Self-supervised Question Answering (SSQA). ScholarGate. https://scholargate.app/de/deep-learning/self-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.
Compare side by side →Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →