Schwach überwachte Textzusammenfassung
Schwache Textzusammenfassung trainiert abstraktive oder extraktive Zusammenfassungsmodelle ohne manuell annotierte Referenzzusammenfassungen. Anstelle von kostspieligen menschlichen Labels nutzt sie schwache Signale – heuristische Regeln, entfernte Überwachung, verrauschte automatische Labels oder selbstüberwachte Ziele –, um Sequenz-zu-Sequenz- oder Transformer-Modelle zur Erzeugung kohärenter, prägnanter Zusammenfassungen von Eingabedokumenten anzuleiten.
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.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Weakly Supervised Text Summarization. ScholarGate. https://scholargate.app/de/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.
- Selbstüberwachtes LernenMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →