Slabodohľadové odpovedanie na otázky
Slabodohľadové odpovedanie na otázky (WS-QA) trénuje neurónové modely na čítanie s porozumením pomocou nepriamych alebo automaticky odvodených označení odpovedí namiesto nákladných anotácií rozpätí ľudskými anotátormi. Využitím vzdialenej supervízie, heuristického označovania alebo signálov prítomnosti odpovede umožňuje WS-QA odpovedanie na otázky v doménach a jazykoch, kde je úplná anotácia nepraktická.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Weakly Supervised Question Answering. ScholarGate. https://scholargate.app/sk/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.
- Klasifikácia založená na BERTHlboké učenie↔ compare
- Adaptácia otázok a odpovedí pre konkrétnu doménuHlboké učenie↔ compare
- Jemne doladené odpovedanie na otázkyHlboké učenie↔ compare
- Polo-dohľadové zodpovedanie otázokHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →