Domain-adaptive Question Answering
Domain-adaptive Question Answering (DA-QA) adapts a pre-trained language model — typically BERT or RoBERTa — first trained on general QA benchmarks such as SQuAD to answer questions accurately in a new target domain (e.g., biomedical, legal, financial) where labelled data is scarce. Combining domain-adaptive pre-training with task fine-tuning yields substantially stronger performance than direct fine-tuning alone.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
- Garg, S., Vu, T., & Moschitti, A. (2020). TANDA: Transfer and Adapt Pre-Trained Transformer Models for Answer Sentence Selection. Proceedings of the AAAI Conference on Artificial Intelligence, 34(5), 7780–7788. · DOI 10.1609/aaai.v34i05.6282
- Yue, X., Zeng, Z., Shi, Y., Zhang, C., & Song, Y. (2022). Domain-adaptive Pre-training Methods for Natural Language Understanding. arXiv preprint. · URL
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.