2
AI 中的 Question-Answering 任务，如何将大段文本制作成训练数据呢？
source link: https://www.v2ex.com/t/943071
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
在 Question-Answering 的训练任务中，训练任务通常是结构化的数据，大概是下文这种。
| Context | Question | Answer | Answer-start |
|---|---|---|---|
| 上下文 | 问题 | 回答 | 回答的开始字符位置 |
现在我有一大段或者很多纯文字数据，如何将这些制作成训练数据集呢？
11 条回复 • 2023-05-26 11:38:49 +08:00
 |
TimePPT 4 小时 5 分钟前 via Android 纯文本是指原始对话内容还是指纯的知识文档？
前者有角色就能分，后者要做文档 QA 抽取 |
 |
DigitalG 3 小时 16 分钟前 可以自己生成吗：Training Question Answering Models From Synthetic Data ，https://arxiv.org/abs/2002.09599
但我觉得这种用途有限。 另外想了解下，如果数据集是这样的话，为什么还要用 QA 任务模型呢？ |
 |
kingddc314 3 小时 4 分钟前 可以调用 ChatGPT 生成
|
|
TimePPT 3 小时 3 分钟前 @KevinQi 不想处理的话，试试用检索增强（ ES 搜索、向量检索）大模型端到端的直接问答，可以参考下 Langchain
如果想有监督，可以调取 GPT-4 让列出可能的 QA 对，然后人工筛选入库 |
 |
KevinQi 2 小时 54 分钟前 @DigitalG 未必是 QA 模型，目前想采用的 3 个，一个是 QA 模型，一个是 Document Question Answer 模型，还有一个是 Table Question Answering ，但是后面两个在 Huggingface 上都没有找到中文的相关模型，所以想着先试试 QA 模型，利用现有数据对某个中文模型进行微调训练。
|
|
KevinQi 2 小时 36 分钟前 @TimePPT 我觉得从纯文本 /文件 /图片抽取信息做 QA 或者 Document QA 的训练数据集，或者更普遍的，“如何从无结资料构建 QA 数据？”，应该是训练 AI 的一个很普遍的步骤，为什么检索不到什么通用工具呢？是不是我检索的关键字不对啊，学术领域这个称呼是什么呢？
|
|
TimePPT 2 小时 29 分钟前 搜「文档 QA 抽取」
|
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK