Menjawab Pertanyaan Diawasi Mandiri
Self-supervised Question Answering (SSQA) adalah sebuah paradigma pelatihan yang secara otomatis menghasilkan pasangan pertanyaan-jawaban dari teks tanpa label — menggunakan terjemahan cloze, penyamaran rentang (span masking), atau generasi pertanyaan neural — untuk melatih model QA tanpa data berlabel manusia. Ini memungkinkan sistem pemahaman bacaan berkualitas tinggi bahkan ketika dataset anotasi langka atau spesifik domain.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Lewis, P., Denoyer, L., & Riedel, S. (2019). Unsupervised Question Answering by Cloze Translation. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics (ACL 2019), pp. 4896–4910. DOI: 10.18653/v1/P19-1484 ↗
- Alberti, C., Andor, D., Pitler, E., Devlin, J., & Collins, M. (2019). Synthetic QA Corpora Generation with Roundtrip Consistency. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics (ACL 2019), pp. 6168–6173. DOI: 10.18653/v1/p19-1620 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Self-supervised Question Answering (SSQA). ScholarGate. https://scholargate.app/id/deep-learning/self-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.
- Generasi yang Diperkaya Pengambilan (RAG)Penambangan Teks↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →