Самокероване запитання-відповідь
Самокероване запитання-відповідь (SSQA) — це парадигма навчання, яка автоматично генерує пари запитань-відповідей з нерозміченого тексту — використовуючи переклад за заповненням пропусків (cloze translation), маскування фрагментів (span masking) або нейрогенерування запитань (neural question generation) — для навчання моделей запитань-відповідей без будь-яких даних, розмічених людиною. Це дозволяє створювати високоякісні системи розуміння прочитаного, навіть коли анотовані набори даних є рідкісними або специфічними для певної галузі.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Lewis, P., Denoyer, L., & Riedel, S. (2019). Unsupervised Question Answering by Cloze Translation. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics (ACL 2019), pp. 4896–4910. DOI: 10.18653/v1/P19-1484 ↗
- Alberti, C., Andor, D., Pitler, E., Devlin, J., & Collins, M. (2019). Synthetic QA Corpora Generation with Roundtrip Consistency. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics (ACL 2019), pp. 6168–6173. DOI: 10.18653/v1/p19-1620 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Self-supervised Question Answering (SSQA). ScholarGate. https://scholargate.app/uk/deep-learning/self-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.
- Генерація з доповненим пошуком (RAG)Інтелектуальний аналіз тексту↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →