Domene-adaptiv spørsmål-svar
Domene-adaptiv spørsmål-svar (DA-QA) tilpasser en forhåndstrent språkmodell — typisk BERT eller RoBERTa — som først ble trent på generelle QA-benchmarks som SQuAD, til å svare nøyaktig på spørsmål i et nytt måldomene (f.eks. biomedisinsk, juridisk, finansielt) der merkede data er knappe. Kombinasjonen av domene-adaptiv forhåndstrening med oppgave-finjustering gir vesentlig sterkere ytelse enn direkte finjustering alene.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
Kilder
- Garg, S., Vu, T., & Moschitti, A. (2020). TANDA: Transfer and Adapt Pre-Trained Transformer Models for Answer Sentence Selection. Proceedings of the AAAI Conference on Artificial Intelligence, 34(5), 7780–7788. DOI: 10.1609/aaai.v34i05.6282 ↗
- Yue, X., Zeng, Z., Shi, Y., Zhang, C., & Song, Y. (2022). Domain-adaptive Pre-training Methods for Natural Language Understanding. arXiv preprint. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Domain-Adaptive Question Answering (DA-QA). ScholarGate. https://scholargate.app/no/deep-learning/domain-adaptive-question-answering
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- BERT-basert klassifiseringDyp læring↔ sammenlign
- Domene-adaptiv BERT-basert klassifiseringDyp læring↔ sammenlign
- Finjustert spørsmål-svarDyp læring↔ sammenlign
- Fler-språklig spørsmål-svarDyp læring↔ sammenlign
- RoBERTa-basert klassifiseringDyp læring↔ sammenlign
- Overføringslæring med BERT-basert klassifiseringDyp læring↔ sammenlign
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →