Machine learningDeep learning / NLP / CV
מענה על שאלות בפיקוח חלש
מענה על שאלות בפיקוח חלש (WS-QA) מאמן מודלים נוירוניים להבנת הנקרא באמצעות תוויות תשובה עקיפות או כאלה שנגזרו אוטומטית, במקום שימוש באנוטציות יקרות של טווחים המסומנים על ידי אדם. על ידי ניצול פיקוח מרחוק, תיוג היוריסטי, או איתותי נוכחות תשובה, WS-QA הופך מענה על שאלות (QA) לאפשרי בתחומים ובשפות שבהם אנוטציה מלאה אינה מעשית.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Clark, C., & Gardner, M. (2018). Simple and Effective Multi-Paragraph Reading Comprehension. In Proceedings of ACL 2018, pp. 845–855. Association for Computational Linguistics. link ↗
- Min, S., Chen, D., Hajishirzi, H., & Zettlemoyer, L. (2019). A Discrete Hard EM Approach for Weakly Supervised Question Answering. In Proceedings of EMNLP-IJCNLP 2019, pp. 2083–2093. Association for Computational Linguistics. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Weakly Supervised Question Answering. ScholarGate. https://scholargate.app/he/deep-learning/weakly-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.
- סיווג מבוסס BERTלמידה עמוקה↔ compare
- מענה לשאלות מותאם-תחוםלמידה עמוקה↔ compare
- מענה על שאלות מכוונן-עדיןלמידה עמוקה↔ compare
- מענה לשאלות בלמידה-מונחית-למחצהלמידה עמוקה↔ compare