Question-Réponse Auto-Supervisée
La Question-Réponse Auto-Supervisée (SSQA) est un paradigme d'entraînement qui génère automatiquement des paires question-réponse à partir de textes non étiquetés — en utilisant la traduction cloze, le masquage d'intervalles, ou la génération de questions neuronales — pour entraîner des modèles de QA sans aucune donnée étiquetée par l'homme. Elle permet des systèmes de compréhension écrite de haute qualité même lorsque les ensembles de données annotés sont rares ou spécifiques à un domaine.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Self-supervised Question Answering (SSQA). ScholarGate. https://scholargate.app/fr/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.
- Génération augmentée par récupération (RAG)Fouille de textes↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →