Slabo nadgledano odgovaranje na pitanja
Slabo nadgledano odgovaranje na pitanja (WS-QA) obučava neuronske modele za razumevanje teksta koristeći indirektne ili automatski izvedene oznake odgovora, umesto skupih ljudski anotiranih raspona odgovora. Korišćenjem udaljenog nadgledanja, heurističkog označavanja ili signala prisustva odgovora, WS-QA omogućava QA u domenima i jezicima gde je potpuna anotacija nepraktična.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Weakly Supervised Question Answering. ScholarGate. https://scholargate.app/sr/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.
- BERT-based ClassificationDuboko učenje↔ compare
- Доменски-адаптивно постављање питањаDuboko učenje↔ compare
- Fino podešeno odgovaranje na pitanjaDuboko učenje↔ compare
- Полу-надгледано одговарање на питањаDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →