您当前的位置：
首页 >
文章列表页 >
面向抽取式阅读理解的数据增强研究
人工智能 | 更新时间：2024-06-27
|

    • 面向抽取式阅读理解的数据增强研究

    • Research on Data Augmentation for Extractive Reading Comprehension

    • “在抽取式阅读理解领域，针对语言模型在训练数据不足时表现不佳的问题，研究者提出了一种基于语义相似度的数据增强方法（DASS），通过单词级和句子级数据增强，在保留问题正确答案的同时，提升训练数据质量，增强模型鲁棒性。实验结果表明，DASS能有效解决模型在样本数量较少时获取语义信息不足的问题，显著提升了模型预测的F1值。”
      ”
    • 软件导刊   2024年23卷第6期 页码：32-37

    • DOI：10.11907/rjdk.231137    

      中图分类号： TP391

    • 纸质出版日期：2024-06-15，

      收稿日期：2023-05-31，

    扫 描 看 全 文

  • 胡新荣,徐伟,罗瑞奇等.面向抽取式阅读理解的数据增强研究[J].软件导刊,2024,23(06):32-37. DOI： 10.11907/rjdk.231137.

    HU Xinrong,XU Wei,LUO Ruiqi,et al.Research on Data Augmentation for Extractive Reading Comprehension[J].Software Guide,2024,23(06):32-37. DOI： 10.11907/rjdk.231137.

  •  
  •  

0

浏览量

0

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

一种圆形锚框的Faster R-CNN小目标检测算法
政策事理图谱构建及应用
面向工业控制云服务优化的运行时热点数据及其收集系统研究
基于注意力机制的遥感船舶图像分类

相关作者

闫春相
徐遵义
刘康宁
李晨
徐勤亚
於陆
刘勘
刘思纯

相关机构

山东建筑大学 计算机科学与技术学院
中南财经政法大学 信息与安全工程学院
同济大学 电子与信息工程学院
中国科学院软件研究所
江苏科技大学 计算机学院
0