Machine learningDeep learning / NLP / CV

领域自适应问答

领域自适应问答（DA-QA）将一个预训练语言模型——通常是BERT或RoBERTa——在通用问答基准（如SQuAD）上进行预训练后，适配到新的目标领域（例如生物医学、法律、金融）来准确回答问题，而这些领域标注数据稀缺。结合领域自适应预训练和任务微调，其性能比单独直接微调要强得多。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

领域自适应问答

[需翻译标题：BERT-based Classi…基于领域自适应BERT的分类微调问答多语言问答基于RoBERTa的分类 BERT 기반 전이 학습 弱监督问答

来源

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 ↗

如何引用本页

ScholarGate. (2026, June 3). Domain-Adaptive Question Answering (DA-QA). ScholarGate. https://scholargate.app/zh/deep-learning/domain-adaptive-question-answering

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

[需翻译标题：BERT-based Classification...]深度学习↔ 比较
基于领域自适应BERT的分类深度学习↔ 比较
微调问答深度学习↔ 比较
多语言问答深度学习↔ 比较
基于RoBERTa的分类深度学习↔ 比较
BERT 기반 전이 학습深度学习↔ 比较

并排比较 →

被引用于

弱监督问答

发现本页有问题？报告或提出修改建议 →