Process / pipeline
การตอบคำถาม (Question Answering - QA)
การตอบคำถามเป็นงานประมวลผลภาษาธรรมชาติที่ตอบคำถามภาษาธรรมชาติโดยอิงจากข้อความบริบทที่กำหนด โดยใช้วิธีการสกัด (extractive) หรือการสร้าง (generative) งานนี้ได้รับการตกผลึกโดยชุดข้อมูลมาตรฐาน SQuAD ของ Rajpurkar และคณะ (2016) และต่อมาโมเดลอย่าง XLNet (Yang et al., 2019) ได้ผลักดันความแม่นยำในการอ่านเพื่อความเข้าใจให้สูงขึ้น
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Rajpurkar, P. et al. (2016). SQuAD: 100,000+ Questions for Machine Comprehension of Text. EMNLP. DOI: 10.18653/v1/D16-1264 ↗
- Yang, Z. et al. (2019). XLNet: Generalized Autoregressive Pretraining for Language Understanding. NeurIPS. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Question Answering (QA). ScholarGate. https://scholargate.app/th/text-mining/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.
- การแปลภาษาด้วยเครื่องการทำเหมืองข้อความ↔ compare
- การรู้จำหน่วยคำนาม (Named Entity Recognition - NER)การทำเหมืองข้อความ↔ compare
- การวิเคราะห์ความรู้สึกการทำเหมืองข้อความ↔ compare
- การจำแนกข้อความการทำเหมืองข้อความ↔ compare