ScholarGate
Асистент
Machine learningDeep learning / NLP / CV

Трансферно обучение за обобщаване на текст

Трансферното обучение за обобщаване на текст адаптира голям езиков модел, предварително обучен върху широки текстови корпуси — като T5, BART или PEGASUS — към задачата за кондензиране на документи в по-кратки, кохерентни резюмета. Чрез повторно използване на наученото езиково познание и фино настройване върху двойки от изходни документи и референтни резюмета, специфични за дадена област, този подход постига високо качество на обобщаване при скромни изисквания за етикетирани данни.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. Raffel, C., Shazeer, N., Roberts, A., Lee, K., Narang, S., Matena, M., Zhou, Y., Li, W., & Liu, P. J. (2020). Exploring the limits of transfer learning with a unified text-to-text transformer. Journal of Machine Learning Research, 21(140), 1–67. link
  2. Lewis, M., Liu, Y., Goyal, N., Ghahravi, M., Mohamed, A., Chen, D., Levy, O., & Zettlemoyer, L. (2020). BART: Denoising sequence-to-sequence pre-training for natural language generation, translation, and comprehension. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (pp. 7871–7880). ACL. DOI: 10.18653/v1/2020.acl-main.703

Как да цитирате тази страница

ScholarGate. (2026, June 3). Transfer Learning with Neural Text Summarization. ScholarGate. https://scholargate.app/bg/deep-learning/transfer-learning-with-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.

Compare side by side

Цитиран в

ScholarGateTransfer Learning with Text Summarization (Transfer Learning with Neural Text Summarization). Извлечено на 2026-06-15 от https://scholargate.app/bg/deep-learning/transfer-learning-with-text-summarization · Набор от данни: https://doi.org/10.5281/zenodo.20539026