Resumen de texto ajustado mediante ajuste fino
El resumen de texto ajustado mediante ajuste fino adapta un gran modelo preentrenado de secuencia a secuencia — como BART, T5 o PEGASUS — para generar resúmenes concisos de documentos entrenando con pares (documento, resumen) específicos del dominio. El enfoque produce resúmenes sustancialmente más fluidos y fieles que los enfoques extractivos o genéricos al aprovechar el conocimiento codificado en miles de millones de tokens de preentrenamiento.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
+1 más
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Sequence-to-Sequence Model for Text Summarization. ScholarGate. https://scholargate.app/es/deep-learning/fine-tuned-text-summarization
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Clasificación basada en BERTAprendizaje profundo↔ comparar
- Clasificación basada en BERT ajustadoAprendizaje profundo↔ comparar
- Respuesta a Preguntas con Ajuste FinoAprendizaje profundo↔ comparar
- Clasificación basada en RoBERTaAprendizaje profundo↔ comparar
- Incrutaciones de oracionesAprendizaje profundo↔ comparar
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →