Pašuzraudzības jautājumu un atbilžu sistēmas (SSQA)
Pašuzraudzības jautājumu un atbilžu sistēmas (SSQA) ir apmācību paradigma, kas automātiski ģenerē jautājumu un atbilžu pārus no neanotēta teksta — izmantojot klūzu tulkošanu, atstarpju maskēšanu vai neironu jautājumu ģenerēšanu — lai apmācītu jautājumu un atbilžu modeļus bez cilvēka anotētiem datiem. Tā nodrošina augstas kvalitātes lasīšanas izpratnes sistēmas pat tad, ja anotēti datu kopumi ir reti vai specifiski kādai jomai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Self-supervised Question Answering (SSQA). ScholarGate. https://scholargate.app/lv/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.
- Iegūšanā balstīta ģenerēšana (RAG)Teksta ieguve↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →