Machine learningDeep learning / NLP / CV

خلاصه‌سازی متن نیمه‌نظارتی

خلاصه‌سازی متن نیمه‌نظارتی مدل‌های خلاصه‌سازی را با استفاده از مقادیر زیادی متن بدون برچسب در کنار مجموعه کوچکی از خلاصه‌های مرجع نوشته شده توسط انسان آموزش می‌دهد. با استفاده از تکنیک‌هایی مانند پیش‌آموزش مدل زبان، برچسب‌زنی کاذب و خودآموزی، این روش‌ها بار حاشیه‌نویسی را به میزان قابل توجهی کاهش می‌دهند و در عین حال امتیازات رقابتی ROUGE را در مجموعه داده‌های معیار حفظ می‌کنند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

منابع

  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

نحوهٔ استناد به این صفحه

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

ScholarGateSemi-supervised Text Summarization (Semi-supervised Text Summarization (Label-efficient Abstractive and Extractive Summarization)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/deep-learning/semi-supervised-text-summarization · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026