Tanya Jawab yang Diawasi Secara Lemah
Tanya jawab yang diawasi secara lemah (WS-QA) melatih model pemahaman bacaan neural menggunakan label jawaban tidak langsung atau yang diturunkan secara otomatis alih-alih anotasi rentang yang dianotasi manusia yang mahal. Dengan memanfaatkan pengawasan jarak jauh, pelabelan heuristik, atau sinyal keberadaan jawaban, WS-QA membuat QA dapat dilakukan dalam domain dan bahasa di mana anotasi penuh tidak praktis.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Weakly Supervised Question Answering. ScholarGate. https://scholargate.app/id/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.
- Klasifikasi Berbasis BERTPembelajaran Mendalam↔ compare
- Tanya Jawab Adaptif DomainPembelajaran Mendalam↔ compare
- Tanya Jawab yang Disesuaikan (Fine-Tuned Question Answering)Pembelajaran Mendalam↔ compare
- Question Answering Semi-TerawasiPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →