پرسش و پاسخ نیمهنظارتی
پرسش و پاسخ نیمهنظارتی (QA) مدلی را بر روی مجموعهای کوچک از جفتهای پرسش و پاسخ برچسبدار آموزش میدهد، سپس برچسبهای شبه (pseudo-labels) را بر روی یک مجموعه بزرگ از دادههای بدون برچسب تولید کرده و به صورت تکراری دوباره آموزش میدهد. این حلقه خودآموز (self-training loop) دادههای آموزشی مؤثر را بدون هزینه حاشیهای حاشیهنویسی دستی کامل، به طور چشمگیری افزایش میدهد و به عملکرد قوی در درک مطلب، پرسش و پاسخ دامنه باز (open-domain QA) و وظایف خواندن ماشینی دست مییابد.
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
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Semi-supervised Question Answering (Self-Training and Consistency-Based NLP). ScholarGate. https://scholargate.app/fa/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.
- طبقهبندی مبتنی بر بِرْتیادگیری عمیق↔ compare
- پاسخگویی به پرسش با تنظیم دقیقیادگیری عمیق↔ compare
- پرسش و پاسخ خودنظارتییادگیری عمیق↔ compare
- طبقهبندی مبتنی بر BERT نیمهنظارتییادگیری عمیق↔ compare
- ترنسفورمر نیمهنظارتییادگیری عمیق↔ compare
- پرسش و پاسخ با نظارت ضعیفیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →