Svak overvåket spørsmålsbesvarelse
Svak overvåket spørsmålsbesvarelse (WS-QA) trener nevrale leseforståelsesmodeller ved hjelp av indirekte eller automatisk utledede svaretiketter i stedet for kostbare, menneske-annoterte spenn-annotasjoner. Ved å utnytte fjernovervåking, heuristisk merking eller signaler om svar-tilstedeværelse, gjør WS-QA spørsmålsbesvarelse mulig i domener og språk der full annotering er upraktisk.
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, C., & Gardner, M. (2018). Simple and Effective Multi-Paragraph Reading Comprehension. In Proceedings of ACL 2018, pp. 845–855. Association for Computational Linguistics. link ↗
- Min, S., Chen, D., Hajishirzi, H., & Zettlemoyer, L. (2019). A Discrete Hard EM Approach for Weakly Supervised Question Answering. In Proceedings of EMNLP-IJCNLP 2019, pp. 2083–2093. Association for Computational Linguistics. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Weakly Supervised Question Answering. ScholarGate. https://scholargate.app/no/deep-learning/weakly-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
- Domene-adaptiv spørsmål-svarDyp læring↔ compare
- Finjustert spørsmål-svarDyp læring↔ compare
- Semi-veilet spørsmålsbesvarelseDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →