Machine learningDeep learning / NLP / CV
מענה לשאלות מותאם-תחום
מענה לשאלות מותאם-תחום (DA-QA) מתאים מודל שפה שאומן מראש — בדרך כלל BERT או RoBERTa — שאומן תחילה על מערכי נתונים כלליים של מענה לשאלות כגון SQuAD, כדי לענות על שאלות באופן מדויק בתחום יעד חדש (למשל, ביו-רפואי, משפטי, פיננסי) שבו נתונים מתויגים נדירים. שילוב של אימון-מראש מותאם-תחום עם כוונון עדין למשימה מניב ביצועים חזקים באופן משמעותי מאשר כוונון עדין ישיר בלבד.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Domain-Adaptive Question Answering (DA-QA). ScholarGate. https://scholargate.app/he/deep-learning/domain-adaptive-question-answering
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- סיווג מבוסס BERTלמידה עמוקה↔ השוואה
- סיווג מבוסס BERT אדפטיבי לתחוםלמידה עמוקה↔ השוואה
- מענה על שאלות מכוונן-עדיןלמידה עמוקה↔ השוואה
- מענה לשאלות רב-לשונילמידה עמוקה↔ השוואה
- סיווג מבוסס RoBERTaלמידה עמוקה↔ השוואה
- למידת העברה עם סיווג מבוסס BERTלמידה עמוקה↔ השוואה