Respuesta a preguntas semi-supervisada
La respuesta a preguntas (QA, por sus siglas en inglés) semi-supervisada entrena un modelo con un pequeño conjunto etiquetado de pares pregunta-respuesta, luego genera pseudo-etiquetas en un corpus grande sin etiquetar y reentrena iterativamente. Este bucle de autoentrenamiento aumenta drásticamente los datos de entrenamiento efectivos sin el costo de la anotación manual completa, logrando un rendimiento sólido en comprensión lectora, QA de dominio abierto y tareas de lectura automática.
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
- Clark, K., Luong, M.-T., Le, Q. V., & Manning, C. D. (2020). ELECTRA: Pre-training Text Encoders as Discriminators Rather Than Generators. In Proceedings of ICLR 2020. link ↗
- Yang, Z., Dai, Z., Yang, Y., Carbonell, J., Salakhutdinov, R., & Le, Q. V. (2019). XLNet: Generalized Autoregressive Pretraining for Language Understanding. In Advances in Neural Information Processing Systems (NeurIPS 2019). link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Question Answering (Self-Training and Consistency-Based NLP). ScholarGate. https://scholargate.app/es/deep-learning/semi-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.
- Clasificación basada en BERTAprendizaje profundo↔ compare
- Respuesta a Preguntas con Ajuste FinoAprendizaje profundo↔ compare
- Respuesta automática a preguntas auto-supervisadaAprendizaje profundo↔ compare
- Clasificación semisupervisada basada en BERTAprendizaje profundo↔ compare
- Transformer semi-supervisadoAprendizaje profundo↔ compare
- Preguntas y Respuestas con Supervisión DébilAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →