การตอบคำถามแบบปรับตามโดเมน
การตอบคำถามแบบปรับตามโดเมน (DA-QA) เป็นการปรับโมเดลภาษาที่ฝึกไว้ล่วงหน้า — โดยทั่วไปคือ BERT หรือ RoBERTa — ซึ่งเดิมฝึกบนชุดข้อมูลการตอบคำถามทั่วไป เช่น SQuAD เพื่อตอบคำถามได้อย่างแม่นยำในโดเมนเป้าหมายใหม่ (เช่น ชีวการแพทย์ กฎหมาย การเงิน) ที่ข้อมูลที่มีป้ายกำกับมีจำกัด การผสมผสานการฝึกฝนล่วงหน้าแบบปรับตามโดเมนกับการปรับแต่งงาน (fine-tuning) ให้ประสิทธิภาพที่แข็งแกร่งกว่าการปรับแต่งโดยตรงเพียงอย่างเดียวอย่างมาก
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Domain-Adaptive Question Answering (DA-QA). ScholarGate. https://scholargate.app/th/deep-learning/domain-adaptive-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.
- การจำแนกประเภทโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทแบบ BERT ที่ปรับให้เข้ากับโดเมนการเรียนรู้เชิงลึก↔ compare
- การตอบคำถามแบบปรับละเอียดการเรียนรู้เชิงลึก↔ compare
- การตอบคำถามหลายภาษาการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทโดยใช้ RoBERTaการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนด้วยการจำแนกประเภทโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare