خلاصهسازی متن تبیینپذیر
خلاصهسازی متن تبیینپذیر، مدلهای خلاصهسازی خودکار — استخراجی یا انتزاعی — را با روشهای تبیین پسینی یا درونی تقویت میکند که نشان میدهند کدام جملات منبع، توکنها یا الگوهای توجه، هر جمله خروجی را هدایت کردهاند. هدف، ممیزی وفاداری، شناسایی توهمات، و ایجاد اعتماد به خروجیهای مدل در محیطهای پرخطر مانند بررسی اسناد پزشکی یا حقوقی است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Atanasova, P., Simonsen, J. G., Lioma, C., & Augenstein, I. (2020). A diagnostic study of explainability techniques for text classification. In Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), 3256–3274. Association for Computational Linguistics. link ↗
- Maynez, J., Narayan, S., Bohnet, B., & McDonald, R. (2020). On Faithfulness and Factuality in Abstractive Summarization. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 1906–1919. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Explainable Text Summarization (XAI-augmented Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/fa/deep-learning/explainable-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.
- طبقهبندی مبتنی بر برتِ قابل توضیحیادگیری عمیق↔ compare
- توضیحپذیری تشخیص موجودیت نامدار (Explainable Named Entity Recognition)یادگیری عمیق↔ compare
- ترنسفورمر قابل توضیح (Explainable Transformer)یادگیری عمیق↔ compare
- خلاصهسازی متن با تنظیم دقیق (Fine-Tuned Text Summarization)یادگیری عمیق↔ compare
- تعبیههای جملهیادگیری عمیق↔ compare
- یادگیری انتقالی با خلاصهسازی متنیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →