Resum de text explicable
El resum de text explicable augmenta els models de resum automàtic —extractius o abstractius— amb mètodes d'explicació posteriors o integrats que revelen quines frases, tokens o patrons d'atenció de la font van impulsar cada frase de sortida. L'objectiu és auditar la fidelitat, detectar al·lucinacions i generar confiança en els resultats del model en entorns d'alt risc com la revisió de documents mèdics o legals.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Atanasova, P., Simonsen, J. G., Lioma, C., & Augenstein, I. (2020). A diagnostic study of explainability techniques for text classification. In Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), 3256–3274. Association for Computational Linguistics. link ↗
- Maynez, J., Narayan, S., Bohnet, B., & McDonald, R. (2020). On Faithfulness and Factuality in Abstractive Summarization. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 1906–1919. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Explainable Text Summarization (XAI-augmented Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/ca/deep-learning/explainable-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.
- Classificació basada en BERT explicableAprenentatge profund↔ compare
- Reconeixement de Entitats Amb Nom ExplicableAprenentatge profund↔ compare
- Transformer ExplicableAprenentatge profund↔ compare
- Resum de text amb ajustament fiAprenentatge profund↔ compare
- Sentence EmbeddingsAprenentatge profund↔ compare
- Aprenentatge per transferència amb resum de textAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →