Machine learningDeep learning / NLP / CV
약지도 질문 응답
약지도 질문 응답(WS-QA)은 비용이 많이 드는 사람이 직접 주석을 단 스팬 주석 대신 간접적이거나 자동으로 파생된 답변 레이블을 사용하여 신경망 독해 모델을 훈련합니다. 원거리 감독, 휴리스틱 레이블링 또는 답변 존재 신호를 활용함으로써 WS-QA는 전체 주석 작업이 비실용적인 도메인 및 언어에서 QA를 가능하게 합니다.
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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Weakly Supervised Question Answering. ScholarGate. https://scholargate.app/ko/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.
- BERT 기반 분류딥러닝↔ compare
- 도메인 적응 질의응답딥러닝↔ compare
- Fine-Tuned Question Answering딥러닝↔ compare
- 준지도형 질의응답딥러닝↔ compare