Question Answering Autossupervisionado
Question Answering Autossupervisionado (SSQA) é um paradigma de treinamento que gera automaticamente pares de perguntas e respostas a partir de texto não rotulado — usando tradução cloze, mascaramento de trechos ou geração neural de perguntas — para treinar modelos de QA sem quaisquer dados rotulados por humanos. Ele permite sistemas de compreensão de leitura de alta qualidade, mesmo quando conjuntos de dados anotados são escassos ou específicos de um domínio.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised Question Answering (SSQA). ScholarGate. https://scholargate.app/pt/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.
- Geração Aumentada por Recuperação (RAG)Mineração de texto↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →