Zelf-gesuperviseerd Vraag-Antwoord
Zelf-gesuperviseerd Vraag-Antwoord (SSQA) is een trainingsparadigma dat automatisch vraag-antwoordparen genereert uit ongelabelde tekst — via cloze-vertaling, span-maskering of neurale vraaggeneratie — om V&A-modellen te trainen zonder menselijk gelabelde gegevens. Het maakt hoogwaardige leesbegripssystemen mogelijk, zelfs wanneer geannoteerde datasets schaars of domeinspecifiek zijn.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Self-supervised Question Answering (SSQA). ScholarGate. https://scholargate.app/nl/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.
Compare side by side →Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →