Selv-supervisert spørsmål-svar
Selv-supervisert spørsmål-svar (SSQA) er et treningsparadigme som automatisk genererer spørsmål-svar-par fra umerket tekst — ved bruk av cloze-oversettelse, span-maskering eller nevral spørsmålsgenerering — for å trene QA-modeller uten menneskedata. Det muliggjør høykvalitets leseforståelsessystemer selv når annoterte datasett er knappe eller domenespesifikke.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Self-supervised Question Answering (SSQA). ScholarGate. https://scholargate.app/no/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.
- Gjenfinningsstøttet generering (RAG)Tekstutvinning↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →