Question-réponse adaptative au domaine
La question-réponse adaptative au domaine (DA-QA) adapte un modèle de langage pré-entraîné — typiquement BERT ou RoBERTa — entraîné initialement sur des benchmarks généraux de QA tels que SQuAD, pour répondre avec précision à des questions dans un nouveau domaine cible (par ex., biomédical, juridique, financier) où les données étiquetées sont rares. La combinaison d'un pré-entraînement adaptatif au domaine avec un réglage fin (fine-tuning) spécifique à la tâche produit des performances substantiellement meilleures que le simple réglage fin direct.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- Garg, S., Vu, T., & Moschitti, A. (2020). TANDA: Transfer and Adapt Pre-Trained Transformer Models for Answer Sentence Selection. Proceedings of the AAAI Conference on Artificial Intelligence, 34(5), 7780–7788. DOI: 10.1609/aaai.v34i05.6282 ↗
- Yue, X., Zeng, Z., Shi, Y., Zhang, C., & Song, Y. (2022). Domain-adaptive Pre-training Methods for Natural Language Understanding. arXiv preprint. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Domain-Adaptive Question Answering (DA-QA). ScholarGate. https://scholargate.app/fr/deep-learning/domain-adaptive-question-answering
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Classification basée sur BERTApprentissage profond↔ comparer
- Classification basée sur BERT et adaptée au domaineApprentissage profond↔ comparer
- Question-Réponse affinéeApprentissage profond↔ comparer
- Interrogation en langue multipleApprentissage profond↔ comparer
- Classification basée sur RoBERTaApprentissage profond↔ comparer
- Transfer Learning avec Classification basée sur BERTApprentissage profond↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →