Question Answering Semi-supervisionado
O question answering (QA) semi-supervisionado treina um modelo com um pequeno conjunto rotulado de pares pergunta-resposta, gera pseudo-rótulos em um grande corpus não rotulado e retreina iterativamente. Este ciclo de auto-treinamento aumenta dramaticamente os dados de treinamento efetivos sem o custo de anotação manual completa, alcançando forte desempenho em compreensão de leitura, QA de domínio aberto e tarefas de leitura automática.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Semi-supervised Question Answering (Self-Training and Consistency-Based NLP). ScholarGate. https://scholargate.app/pt/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.
- Classificação baseada em BERTAprendizado profundo↔ compare
- Question Answering AjustadoAprendizado profundo↔ compare
- Question Answering AutossupervisionadoAprendizado profundo↔ compare
- Classificação Semi-supervisionada Baseada em BERTAprendizado profundo↔ compare
- Transformador SemissupervisionadoAprendizado profundo↔ compare
- Resposta a Perguntas com Supervisão FracaAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →