ScholarGate
Assistent
Machine learningDeep learning / NLP / CV

Semi-supervised tekstopsummering

Semi-supervised tekstopsummering træner opsummeringsmodeller ved at udnytte store mængder umærket tekst sideløbende med et lille sæt menneskeskrevne referenceopsummeringer. Ved at bruge teknikker som forudtræning af sprogmodeller, pseudo-labeling og selvtræning reducerer disse metoder annoteringsbyrden betydeligt, samtidig med at de opretholder konkurrencedygtige ROUGE-scores på benchmark datasæt.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Kilder

  1. He, J., Zhou, C., Ma, X., Berg-Kirkpatrick, T., & Neubig, G. (2020). Revisiting Semi-Supervised Learning for Neural Sequence Generation. In Proceedings of ICLR 2020. link
  2. Automatic summarization. Wikipedia. link

Sådan citerer du denne side

ScholarGate. (2026, June 3). Semi-supervised Text Summarization (Label-efficient Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/da/deep-learning/semi-supervised-text-summarization

ScholarGateSemi-supervised Text Summarization (Semi-supervised Text Summarization (Label-efficient Abstractive and Extractive Summarization)). Hentet 2026-06-15 fra https://scholargate.app/da/deep-learning/semi-supervised-text-summarization · Datasæt: https://doi.org/10.5281/zenodo.20539026