Maschinelles Leseverständnis (Machine Reading Comprehension, MRC)
Maschinelles Leseverständnis (MRC), populär geworden durch den SQuAD-Benchmark von Rajpurkar, Zhang, Lopyrev und Liang (2016), ist eine Aufgabe der natürlichen Sprachverarbeitung, bei der ein Modell einen gegebenen Textabschnitt liest und Multiple-Choice- oder offene Fragen dazu beantwortet. Es wandelt einen Textabschnitt plus eine Frage in eine maschinell generierte Antwort um und unterstützt so die Informationsbeschaffung, Bildungstechnologie und das Abfragen von Forschungsdatenbanken.
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
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Neural Machine Reading Comprehension (MRC). ScholarGate. https://scholargate.app/de/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.
- DomänenanpassungText Mining↔ compare
- Sentiment-AnalyseText Mining↔ compare
- TextklassifizierungText Mining↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →