خلاصهسازی متن چندوجهی
خلاصهسازی متن چندوجهی با پردازش مشترک چندین وجه ورودی - معمولاً متن و تصاویر، اما همچنین فریمهای ویدئویی یا صوتی - با استفاده از مدلهای یادگیری عمیق که بازنماییهای بصری و زبانی را همتراز میکنند، خلاصهای متنی فشرده تولید میکند. خروجی، خلاصهای به زبان طبیعی است که محتوای برجسته را از تمام وجوه موجود در بر میگیرد.
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
- Zhu, J., Li, H., Liu, T., Zhou, Y., Zhang, J., & Zong, C. (2018). MSMO: Multimodal Summarization with Multimodal Output. Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing (EMNLP), 4154–4164. link ↗
- Zhu, J., Zhou, Y., Zhang, J., Li, H., Zong, C., & Li, C. (2020). Multimodal Summarization with Guidance of Multimodal Reference. Proceedings of the AAAI Conference on Artificial Intelligence, 34(05), 9749–9756. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multimodal Text Summarization (Cross-Modal Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/fa/deep-learning/multimodal-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 بِرْتیادگیری عمیق↔ compare
- خلاصهسازی متن با تنظیم دقیق (Fine-Tuned Text Summarization)یادگیری عمیق↔ compare
- طبقهبندی چندوجهی مبتنی بر BERTیادگیری عمیق↔ compare
- پاسخگویی به پرسشهای چندوجهییادگیری عمیق↔ compare
- ترانسفورمر چندوجهییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →