Слабо контролируемое извлечение ответов на вопросы
Слабо контролируемое извлечение ответов на вопросы (WS-QA) обучает нейронные модели понимания прочитанного, используя косвенные или автоматически полученные метки ответов, а не дорогостоящие аннотации диапазонов, выполненные человеком. Используя дистанционный контроль, эвристическую разметку или сигналы наличия ответа, WS-QA делает извлечение ответов на вопросы (QA) осуществимым в областях и на языках, где полная аннотация непрактична.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Weakly Supervised Question Answering. ScholarGate. https://scholargate.app/ru/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.
- Классификация на основе BERTГлубокое обучение↔ compare
- Адаптация к предметной области для ответов на вопросыГлубокое обучение↔ compare
- Дообученное вопросно-ответное извлечениеГлубокое обучение↔ compare
- Полуавтоматическое ответы на вопросыГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →