Respuesta automática a preguntas auto-supervisada
La Respuesta Automática a Preguntas Auto-supervisada (SSQA, por sus siglas en inglés) es un paradigma de entrenamiento que genera automáticamente pares de preguntas y respuestas a partir de texto sin etiquetar —utilizando traducción de cloze, enmascaramiento de fragmentos o generación de preguntas neuronales— para entrenar modelos de QA sin datos etiquetados por humanos. Permite sistemas de comprensión lectora de alta calidad incluso cuando los conjuntos de datos anotados son escasos o específicos de un dominio.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Self-supervised Question Answering (SSQA). ScholarGate. https://scholargate.app/es/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.
- Generación Aumentada por Recuperación (RAG)Minería de texto↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →