Półnadzorowane odpowiadanie na pytania
Półnadzorowane odpowiadanie na pytania (QA) trenuje model na małym zbiorze pytań i odpowiedzi z etykietami, następnie generuje pseudetykiety na dużym korpusie bez etykiet i iteracyjnie przetrenowuje. Ten pętlowy proces samo-uczenia dramatycznie zwiększa efektywny zbiór treningowy bez kosztów pełnej ręcznej adnotacji, osiągając silne wyniki w zadaniach rozumienia tekstu, ogólnego QA i czytania maszynowego.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Question Answering (Self-Training and Consistency-Based NLP). ScholarGate. https://scholargate.app/pl/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.
- Klasyfikacja oparta na BERTUczenie głębokie↔ compare
- Dostrajanie odpowiedzi na pytaniaUczenie głębokie↔ compare
- Samonadzorowane odpowiadanie na pytaniaUczenie głębokie↔ compare
- Klasyfikacja półnadzorowana oparta na BERTUczenie głębokie↔ compare
- Transformery z uczeniem półnadzorowanymUczenie głębokie↔ compare
- Słabo nadzorowane odpowiadanie na pytaniaUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →