Semi-veilet spørsmålsbesvarelse
Semi-veiled spørsmålsbesvarelse (QA) trener en modell på et lite merket sett med spørsmål-svar-par, genererer deretter pseudo-merker på et stort umerket korpus og retrenerer iterativt. Denne selvtreningsløkken øker effektivt treningsdata dramatisk uten kostnaden av full manuell annotering, og oppnår sterk ytelse på leseforståelse, åpen-domene QA og maskinlesingsoppgaver.
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
- Clark, K., Luong, M.-T., Le, Q. V., & Manning, C. D. (2020). ELECTRA: Pre-training Text Encoders as Discriminators Rather Than Generators. In Proceedings of ICLR 2020. link ↗
- Yang, Z., Dai, Z., Yang, Y., Carbonell, J., Salakhutdinov, R., & Le, Q. V. (2019). XLNet: Generalized Autoregressive Pretraining for Language Understanding. In Advances in Neural Information Processing Systems (NeurIPS 2019). link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Question Answering (Self-Training and Consistency-Based NLP). ScholarGate. https://scholargate.app/no/deep-learning/semi-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-basert klassifiseringDyp læring↔ compare
- Finjustert spørsmål-svarDyp læring↔ compare
- Selv-supervisert spørsmål-svarDyp læring↔ compare
- Semi-supervised BERT-basert klassifiseringDyp læring↔ compare
- Semi-supervisert TransformerDyp læring↔ compare
- Svak overvåket spørsmålsbesvarelseDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →