تلخيص النصوص المُحسَّن (Fine-Tuned Text Summarization)
يُحسِّن تلخيص النصوص المُحسَّن نموذجًا كبيرًا مُدرَّبًا مُسبقًا من تسلسل إلى تسلسل — مثل BART أو T5 أو PEGASUS — لتوليد ملخصات موجزة للمستندات عن طريق التدريب على أزواج (مستند، ملخص) خاصة بالمجال. يُنتج هذا النهج ملخصات أكثر طلاقة وموثوقية بشكل كبير من الأساليب الاستخراجية أو العامة من خلال الاستفادة من المعرفة المشفرة في مليارات الرموز المميزة للتدريب المسبق.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
المصادر
- Zhang, J., Zhao, Y., Saleh, M., & Liu, P. J. (2020). PEGASUS: Pre-training with Extracted Gap-sentences for Abstractive Summarization. Proceedings of the 37th International Conference on Machine Learning (ICML), 119, 11328–11339. link ↗
- Lewis, M., Liu, Y., Goyal, N., Ghazvininejad, M., Mohamed, A., Levy, O., Stoyanov, V., & Zettlemoyer, L. (2020). BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 7871–7880. DOI: 10.18653/v1/2020.acl-main.703 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Sequence-to-Sequence Model for Text Summarization. ScholarGate. https://scholargate.app/ar/deep-learning/fine-tuned-text-summarization
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.
- تصنيف قائم على BERTالتعلم العميق↔ compare
- تصنيف مُحسَّن استنادًا إلى BERTالتعلم العميق↔ compare
- إجابة الأسئلة المُحسَّنة بدقةالتعلم العميق↔ compare
- تصنيف قائم على RoBERTaالتعلم العميق↔ compare
- تضمينات الجملالتعلم العميق↔ compare