Resposta a Perguntas com Supervisão Fraca
A resposta a perguntas com supervisão fraca (WS-QA) treina modelos neurais de compreensão de leitura usando rótulos de resposta indiretos ou derivados automaticamente, em vez de anotações de trechos de resposta caras e anotadas por humanos. Ao explorar a supervisão distante, a rotulagem heurística ou os sinais de presença de resposta, o WS-QA torna a QA viável em domínios e idiomas onde a anotação completa é impraticável.
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, 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Weakly Supervised Question Answering. ScholarGate. https://scholargate.app/pt/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.
- Classificação baseada em BERTAprendizado profundo↔ compare
- Question Answering Adaptado ao DomínioAprendizado profundo↔ compare
- Question Answering AjustadoAprendizado profundo↔ compare
- Question Answering Semi-supervisionadoAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →