Machine learningDeep learning / NLP / CV
도메인 적응 질의응답
도메인 적응 질의응답(Domain-adaptive Question Answering, DA-QA)은 일반적인 QA 벤치마크(예: SQuAD)로 사전 훈련된 언어 모델(일반적으로 BERT 또는 RoBERTa)을 새로운 대상 도메인(예: 생물의학, 법률, 금융)에서 정확하게 답변하도록 조정하는 기술로, 이러한 도메인에서는 레이블이 지정된 데이터가 부족한 경우가 많습니다. 도메인 적응 사전 훈련과 작업 미세 조정을 결합하면 직접 미세 조정만 하는 것보다 훨씬 더 강력한 성능을 얻을 수 있습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Garg, S., Vu, T., & Moschitti, A. (2020). TANDA: Transfer and Adapt Pre-Trained Transformer Models for Answer Sentence Selection. Proceedings of the AAAI Conference on Artificial Intelligence, 34(5), 7780–7788. DOI: 10.1609/aaai.v34i05.6282 ↗
- Yue, X., Zeng, Z., Shi, Y., Zhang, C., & Song, Y. (2022). Domain-adaptive Pre-training Methods for Natural Language Understanding. arXiv preprint. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Domain-Adaptive Question Answering (DA-QA). ScholarGate. https://scholargate.app/ko/deep-learning/domain-adaptive-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.
- BERT 기반 분류딥러닝↔ compare
- 도메인 적응형 BERT 기반 분류딥러닝↔ compare
- Fine-Tuned Question Answering딥러닝↔ compare
- 다국어 질의응답딥러닝↔ compare
- RoBERTa 기반 분류딥러닝↔ compare
- BERT 기반 전이 학습을 이용한 분류딥러닝↔ compare