Fragebeantwortung (QA)
Fragebeantwortung ist eine Aufgabe der Verarbeitung natürlicher Sprache, die automatisch Fragen in natürlicher Sprache beantwortet, die auf einem gegebenen Kontext basieren, und dabei entweder extraktive oder generative Ansätze verwendet. Die Aufgabe wurde durch den SQuAD-Benchmark von Rajpurkar et al. (2016) konkretisiert, und spätere Modelle wie XLNet (Yang et al., 2019) verbesserten die Genauigkeit des Leseverständnisses weiter.
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. et al. (2016). SQuAD: 100,000+ Questions for Machine Comprehension of Text. EMNLP. DOI: 10.18653/v1/D16-1264 ↗
- Yang, Z. et al. (2019). XLNet: Generalized Autoregressive Pretraining for Language Understanding. NeurIPS. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Question Answering (QA). ScholarGate. https://scholargate.app/de/text-mining/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.
- Maschinelle ÜbersetzungText Mining↔ compare
- Benannte Entitätenerkennung (NER)Text Mining↔ compare
- Sentiment-AnalyseText Mining↔ compare
- TextklassifizierungText Mining↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →