Machine Reading Comprehension (MRC)
Machine reading comprehension (MRC), gepopulariseerd door de SQuAD-benchmark van Rajpurkar, Zhang, Lopyrev en Liang (2016), is een taak binnen natuurlijke taalverwerking waarbij een model een gegeven passage leest en meerkeuze- of open vragen erover beantwoordt. Het transformeert een passage plus een vraag in een machine-gegenereerd antwoord, ter ondersteuning van informatie-extractie, educatieve technologie en het bevragen van onderzoeksdatabases.
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
- Rajpurkar, P., Zhang, J., Lopyrev, K. & Liang, P. (2016). SQuAD: 100,000+ Questions for Machine Comprehension of Text. EMNLP, 2383-2392. DOI: 10.18653/v1/D16-1264 ↗
- Yang, Z. et al. (2018). HotpotQA: A Dataset for Diverse, Explainable Multi-hop Question Answering. EMNLP. DOI: 10.18653/v1/D18-1259 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Neural Machine Reading Comprehension (MRC). ScholarGate. https://scholargate.app/nl/text-mining/neural-machine-reading
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.
- DomeinadaptatieText mining↔ compare
- SentimentanalyseText mining↔ compare
- TekstclassificatieText mining↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →