מענה לשאלות רב-לשוני
מענה לשאלות רב-לשוני (QA) מאפשר למודל לקרוא קטע טקסט ולענות על שאלות במספר שפות, לרוב על ידי כוונון עדין (fine-tuning) של טרנספורמר רב-לשוני מאומן מראש (כגון mBERT או XLM-R) על בסיס נתוני QA מתויגים בשפה אחת, והעברת היכולת הזו באפס-למידה (zero-shot) או בלמידה מועטה (few-shot) לשפות אחרות. זוהי הגישה הסטנדרטית לבניית מערכות הבנת-נקרא רב-לשוניות ומערכות QA פתוחות-תחום.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Artetxe, M., Ruder, S., & Yogatama, D. (2020). On the cross-lingual transferability of monolingual representations. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (pp. 4623–4637). ACL. DOI: 10.18653/v1/2020.acl-main.421 ↗
- Clark, J. H., Choi, E., Collins, M., Garrette, D., Kwiatkowski, T., Nikolaev, V., & Palomaki, J. (2020). TyDi QA: A benchmark for information-seeking question answering in typologically diverse languages. Transactions of the Association for Computational Linguistics, 8, 454–470. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Multilingual Question Answering (Cross-lingual MRC). ScholarGate. https://scholargate.app/he/deep-learning/multilingual-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.
- סיווג מבוסס BERTלמידה עמוקה↔ compare
- שיכוני משפטים רב-לשונייםלמידה עמוקה↔ compare
- מודל טרנספורמר רב-לשונילמידה עמוקה↔ compare
- סיווג מבוסס RoBERTaלמידה עמוקה↔ compare