การตอบคำถามแบบกึ่งกำกับดูแล (Semi-supervised Question Answering)
การตอบคำถามแบบกึ่งกำกับดูแล (QA) เป็นการฝึกโมเดลโดยใช้ชุดข้อมูลคู่คำถาม-คำตอบที่มีป้ายกำกับขนาดเล็กจำนวนหนึ่ง จากนั้นจึงสร้างป้ายกำกับเสมือน (pseudo-labels) บนคลังข้อมูลขนาดใหญ่ที่ไม่มีป้ายกำกับ แล้วจึงฝึกโมเดลซ้ำเป็นรอบๆ วงจรการฝึกตนเองนี้ช่วยเพิ่มข้อมูลการฝึกที่มีประสิทธิภาพได้อย่างมากโดยไม่ต้องเสียค่าใช้จ่ายในการกำกับดูแลด้วยตนเองทั้งหมด ทำให้ได้ประสิทธิภาพที่แข็งแกร่งในงานการอ่านเพื่อความเข้าใจ (reading comprehension), การตอบคำถามแบบเปิด (open-domain QA), และการอ่านของเครื่อง (machine reading)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Clark, K., Luong, M.-T., Le, Q. V., & Manning, C. D. (2020). ELECTRA: Pre-training Text Encoders as Discriminators Rather Than Generators. In Proceedings of ICLR 2020. link ↗
- Yang, Z., Dai, Z., Yang, Y., Carbonell, J., Salakhutdinov, R., & Le, Q. V. (2019). XLNet: Generalized Autoregressive Pretraining for Language Understanding. In Advances in Neural Information Processing Systems (NeurIPS 2019). link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised Question Answering (Self-Training and Consistency-Based NLP). ScholarGate. https://scholargate.app/th/deep-learning/semi-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.
- การจำแนกประเภทโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- การตอบคำถามแบบปรับละเอียดการเรียนรู้เชิงลึก↔ compare
- การตอบคำถามแบบกำกับตนเองการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทข้อความแบบกึ่งมีผู้สอนโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- Transformer แบบกึ่งกำกับดูแลการเรียนรู้เชิงลึก↔ compare
- การตอบคำถามแบบมีผู้สอนแบบอ่อน (Weakly Supervised Question Answering)การเรียนรู้เชิงลึก↔ compare