Slabě dohlížená sumarizace textu
Slabě dohlížená sumarizace textu trénuje abstraktivní nebo extraktivní sumarizační modely bez ručně anotovaných referenčních souhrnů. Namísto nákladných lidských anotací využívá slabé signály – heuristická pravidla, vzdálený dohled, šumivé automatické anotace nebo samo-dohledové cíle – k vedení modelů typu sequence-to-sequence nebo transformer k vytváření koherentních a stručných souhrnů vstupních dokumentů.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Weakly Supervised Text Summarization. ScholarGate. https://scholargate.app/cs/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.
- Samoučící se učeníStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →