Vāji uzraudzīta jautājumu atbildēšana
Vāji uzraudzīta jautājumu atbildēšana (WS-QA) trenē neironu lasīšanas izpratnes modeļus, izmantojot netiešus vai automātiski iegūtus atbilžu nosaukumus, nevis dārgas cilvēku anotētas atspoles anotācijas. Izmantojot attālinātu uzraudzību, heuristisku marķēšanu vai atbilžu klātbūtnes signālus, WS-QA padara QA iespējamu domēnās un valodās, kur pilna anotācija ir nepraktiska.
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
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Weakly Supervised Question Answering. ScholarGate. https://scholargate.app/lv/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 klasifikācijaDziļā mācīšanās↔ compare
- Jomapielāgota jautājumu atbildēšanaDziļā mācīšanās↔ compare
- Jautājumu atbildēšanas sistēmas ar smalku regulēšanuDziļā mācīšanās↔ compare
- Semi-supervised Question AnsweringDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →