Feinabgestimmte Textzusammenfassung
Die feinabgestimmte Textzusammenfassung (Fine-Tuned Text Summarization) adaptiert ein großes vortrainiertes Sequenz-zu-Sequenz-Modell – wie BART, T5 oder PEGASUS – um prägnante Zusammenfassungen von Dokumenten zu generieren, indem es auf domänenspezifischen (Dokument, Zusammenfassung)-Paaren trainiert wird. Dieser Ansatz liefert wesentlich flüssigere und originalgetreuere Zusammenfassungen als extraktive oder generische Ansätze, indem er das in Milliarden von Vortrainings-Tokens kodierte Wissen nutzt.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Quellen
- Zhang, J., Zhao, Y., Saleh, M., & Liu, P. J. (2020). PEGASUS: Pre-training with Extracted Gap-sentences for Abstractive Summarization. Proceedings of the 37th International Conference on Machine Learning (ICML), 119, 11328–11339. link ↗
- Lewis, M., Liu, Y., Goyal, N., Ghazvininejad, M., Mohamed, A., Levy, O., Stoyanov, V., & Zettlemoyer, L. (2020). BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 7871–7880. DOI: 10.18653/v1/2020.acl-main.703 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Sequence-to-Sequence Model for Text Summarization. ScholarGate. https://scholargate.app/de/deep-learning/fine-tuned-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.
- BERT-basierte KlassifikationDeep Learning↔ compare
- Feinabgestimmte BERT-basierte KlassifikationDeep Learning↔ compare
- Fine-Tuned Question AnsweringDeep Learning↔ compare
- RoBERTa-basierte KlassifikationDeep Learning↔ compare
- Sentence EmbeddingsDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →