پرسش و پاسخ خودنظارتی
پرسش و پاسخ خودنظارتی (SSQA) یک پارادایم آموزشی است که به طور خودکار جفتهای پرسش و پاسخ را از متن بدون برچسب تولید میکند — با استفاده از ترجمه کلوز، ماسکگذاری بازه، یا تولید پرسش عصبی — برای آموزش مدلهای پرسش و پاسخ بدون هیچگونه داده برچسبگذاری شده توسط انسان. این روش سیستمهای درک مطلب با کیفیت بالا را حتی زمانی که مجموعه دادههای حاشیهنویسی شده کمیاب یا خاص دامنه هستند، امکانپذیر میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Self-supervised Question Answering (SSQA). ScholarGate. https://scholargate.app/fa/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 →ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →