Напівавтоматичне доповнення запитань і відповідей
Напівавтоматичне доповнення запитань і відповідей (QA) тренує модель на невеликому розміченому наборі пар запитань і відповідей, потім генерує псевдо-мітки на великому нерозміченому корпусі та ітеративно перенавчає. Цей цикл самонавчання різко збільшує ефективний обсяг навчальних даних без витрат на повну ручну анотацію, досягаючи високої продуктивності в завданнях читання зі розумінням, QA відкритого домену та машинного читання.
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
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Semi-supervised Question Answering (Self-Training and Consistency-Based NLP). ScholarGate. https://scholargate.app/uk/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.
- Класифікація на основі BERTГлибоке навчання↔ compare
- Доуточнене запитання-відповідьГлибоке навчання↔ compare
- Самокероване запитання-відповідьГлибоке навчання↔ compare
- Напівкерована класифікація на основі BERTГлибоке навчання↔ compare
- Трансформер із напівкерованим навчаннямГлибоке навчання↔ compare
- Слабо контрольоване запитання-відповідьГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →