Svag övervakad frågesvarsinlärning
Svag övervakad frågesvarsinlärning (WS-QA) tränar neurala läsförståelsemodeller med hjälp av indirekta eller automatiskt härledda svarsetiketter snarare än dyra mänskligt annoterade span-annotationer. Genom att utnyttja distansövervakning, heuristisk etikettering eller signaler om svarsförekomst, gör WS-QA frågesvar genomförbart i domäner och språk där fullständig annotering är opraktisk.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Weakly Supervised Question Answering. ScholarGate. https://scholargate.app/sv/deep-learning/weakly-supervised-question-answering
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- BERT-baserad klassificeringDjupinlärning↔ jämför
- Domänadaptiv frågesvar (DA-QA)Djupinlärning↔ jämför
- Finjusterad frågesvarsmodellDjupinlärning↔ jämför
- Semi-supervised Question AnsweringDjupinlärning↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →