Tanya Jawab Multibahasa
Tanya jawab multibahasa (QA) memungkinkan model untuk membaca sebuah bacaan dan menjawab pertanyaan dalam berbagai bahasa, sering kali dengan menyetel halus (fine-tuning) transformer pra-terlatih lintas-bahasa seperti mBERT atau XLM-R pada kumpulan data QA beranotasi dalam satu bahasa dan mentransfer kemampuan tersebut secara zero-shot atau few-shot ke bahasa lain. Ini adalah pendekatan standar untuk membangun sistem pemahaman bacaan dan QA domain terbuka multibahasa.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Multilingual Question Answering (Cross-lingual MRC). ScholarGate. https://scholargate.app/id/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.
- Klasifikasi Berbasis BERTPembelajaran Mendalam↔ compare
- Embedding Kalimat MultibahasaPembelajaran Mendalam↔ compare
- Transformer MultibahasaPembelajaran Mendalam↔ compare
- Klasifikasi Berbasis RoBERTaPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →