Compréhension par lecture automatique (Machine Reading Comprehension, MRC)
La compréhension par lecture automatique (MRC), popularisée par le benchmark SQuAD de Rajpurkar, Zhang, Lopyrev et Liang (2016), est une tâche de traitement du langage naturel dans laquelle un modèle lit un passage donné et répond à des questions à choix multiples ou ouvertes à son sujet. Elle transforme un passage et une question en une réponse générée par machine, soutenant la recherche d'information, la technologie éducative et l'interrogation de bases de données de recherche.
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
- Rajpurkar, P., Zhang, J., Lopyrev, K. & Liang, P. (2016). SQuAD: 100,000+ Questions for Machine Comprehension of Text. EMNLP, 2383-2392. DOI: 10.18653/v1/D16-1264 ↗
- Yang, Z. et al. (2018). HotpotQA: A Dataset for Diverse, Explainable Multi-hop Question Answering. EMNLP. DOI: 10.18653/v1/D18-1259 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Neural Machine Reading Comprehension (MRC). ScholarGate. https://scholargate.app/fr/text-mining/neural-machine-reading
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.
- Adaptation de domaineFouille de textes↔ comparer
- Analyse des sentimentsFouille de textes↔ comparer
- Classification de texteFouille de textes↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →