Machine learningDeep learning / NLP / CV

Resumen de texto semi-supervisado

El resumen de texto semi-supervisado entrena modelos de resumen aprovechando grandes cantidades de texto sin etiquetar junto con un pequeño conjunto de resúmenes de referencia escritos por humanos. Al utilizar técnicas como el preentrenamiento de modelos de lenguaje, el pseudoetiquetado y el autoentrenamiento, estos métodos reducen sustancialmente la carga de anotación y al mismo tiempo mantienen puntuaciones ROUGE competitivas en conjuntos de datos de referencia.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Fuentes

  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

Cómo citar esta página

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

ScholarGateSemi-supervised Text Summarization (Semi-supervised Text Summarization (Label-efficient Abstractive and Extractive Summarization)). Recuperado el 2026-06-15 de https://scholargate.app/es/deep-learning/semi-supervised-text-summarization · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026