Resumització de text amb supervisió feble
La resumització de text amb supervisió feble entrena models de resumització abstractiva o extractiva sense resums de referència anotats manualment. En lloc d'etiquetes humanes costoses, utilitza senyals febles —regles heurístiques, supervisió distant, etiquetes automàtiques sorolloses o objectius auto-supervisats— per guiar models seqüència-a-seqüència o transformer cap a la producció de resums coherents i concisos de documents d'entrada.
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
- Amplayo, R. K., & Lapata, M. (2020). Unsupervised Opinion Summarization with Noisy Autoencoder. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, 1934–1945. link ↗
- Huang, L., Wu, L., & Wang, L. (2020). Knowledge Graph-Augmented Abstractive Summarization with Semantic-Driven Cloze Reward. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, 5094–5107. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Weakly Supervised Text Summarization. ScholarGate. https://scholargate.app/ca/deep-learning/weakly-supervised-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.
- Aprenentatge autosupervisatAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →