Question Answering semi-supervisionato
Il question answering (QA) semi-supervisionato addestra un modello su un piccolo set etichettato di coppie domanda-risposta, quindi genera pseudo-etichette su un ampio corpus non etichettato e riaddestra iterativamente. Questo ciclo di auto-addestramento aumenta drasticamente i dati di addestramento effettivi senza il costo di un'annotazione manuale completa, ottenendo prestazioni elevate in compiti di comprensione del testo, QA open-domain e machine reading.
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
- Clark, K., Luong, M.-T., Le, Q. V., & Manning, C. D. (2020). ELECTRA: Pre-training Text Encoders as Discriminators Rather Than Generators. In Proceedings of ICLR 2020. link ↗
- Yang, Z., Dai, Z., Yang, Y., Carbonell, J., Salakhutdinov, R., & Le, Q. V. (2019). XLNet: Generalized Autoregressive Pretraining for Language Understanding. In Advances in Neural Information Processing Systems (NeurIPS 2019). link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Question Answering (Self-Training and Consistency-Based NLP). ScholarGate. https://scholargate.app/it/deep-learning/semi-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.
- Classificazione basata su BERTApprendimento profondo↔ compare
- Question Answering Fine-TunedApprendimento profondo↔ compare
- Self-supervised Question AnsweringApprendimento profondo↔ compare
- Classificazione semi-supervisionata basata su BERTApprendimento profondo↔ compare
- Transformer semi-supervisionatoApprendimento profondo↔ compare
- Question Answering con Supervisione DeboleApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →