无监督表格推理自训练算法

标注成本大降

利用合成数据与自训练，在无标注条件下逼近监督模型性能，适用于低资源领域的表格问答与逻辑推理。

Zhenyu, Li · Xiuxing, Li · Sunqi, Fan · 王建勇

IEEE Transactions on Knowledge and Data Engineering 2024

参数信息

在无监督设定下达到监督模型

90 %

技术优势

低资源场景再拉一把

同一框架可以当作数据增强工具，给本来就缺数据的领域里的监督模型显著提分。

应用场景

• 低资源表格问答：不用人工标注就能训出能答复杂表格问题的模型，直接省掉标注环节
• 半监督表格推理：少量标注加大量无标注表格就能达到接近全监督的效果
• 数据增强：给低资源领域的监督模型生成更多带复杂逻辑的训练样本