Self-supervised Question Answering
Self-supervised Question Answering (SSQA) è un paradigma di addestramento che genera automaticamente coppie domanda-risposta da testo non etichettato — utilizzando traduzione cloze, mascheramento di span o generazione neurale di domande — per addestrare modelli di QA senza dati etichettati da esseri umani. Abilita sistemi di comprensione della lettura di alta qualità anche quando i dataset annotati sono scarsi o specifici di un dominio.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised Question Answering (SSQA). ScholarGate. https://scholargate.app/it/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.
Compare side by side →Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →