เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การตอบคำถาม (Question Answering - QA)× | การรู้จำหน่วยคำนาม (Named Entity Recognition - NER)× | |
|---|---|---|
| สาขาวิชา | การทำเหมืองข้อความ | การทำเหมืองข้อความ |
| ตระกูล | Process / pipeline | Process / pipeline |
| ปีกำเนิด | — | — |
| ผู้ริเริ่ม | — | — |
| ประเภท≠ | NLP text-comprehension task | NLP sequence-labelling task |
| แหล่งต้นตำรับ≠ | Rajpurkar, P. et al. (2016). SQuAD: 100,000+ Questions for Machine Comprehension of Text. EMNLP. DOI ↗ | Nadeau, D. & Sekine, S. (2007). A survey of named entity recognition. Lingvisticae Investigationes. link ↗ |
| ชื่อเรียกอื่น | QA, machine reading comprehension, Soru Cevaplama (Question Answering) | NER, entity tagging, Adlandırılmış Varlık Tanıma (NER) |
| ที่เกี่ยวข้อง≠ | 4 | 3 |
| สรุป≠ | Question answering is a natural-language-processing task that automatically answers natural-language questions grounded in a given context passage, using either extractive or generative approaches. The task was crystallised by the SQuAD benchmark of Rajpurkar et al. (2016), and later models such as XLNet (Yang et al., 2019) pushed reading-comprehension accuracy higher. | Named entity recognition (NER) is a natural-language-processing task that automatically detects and labels entities in text — such as people, organisations, locations, and dates. Surveyed by Nadeau and Sekine (2007) and later advanced with neural architectures by Lample et al. (2016), it turns free-running text into tagged spans that downstream tools can use. |
| ScholarGateชุดข้อมูล ↗ |
|
|