یادگیری انتقالی با خلاصهسازی متن
یادگیری انتقالی با خلاصهسازی متن، یک مدل زبان بزرگ از پیش آموزشدیده بر روی مجموعههای متنی گسترده — مانند T5، BART، یا PEGASUS — را برای وظیفه فشردهسازی اسناد به خلاصههای کوتاهتر و منسجم تطبیق میدهد. با استفاده مجدد از دانش زبانی آموختهشده و تنظیم دقیق بر روی جفتهای خاص دامنه از اسناد منبع و خلاصههای مرجع، این رویکرد کیفیت خلاصهسازی قوی را با نیازهای داده برچسبگذاری شده متوسط به دست میآورد.
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
- Raffel, C., Shazeer, N., Roberts, A., Lee, K., Narang, S., Matena, M., Zhou, Y., Li, W., & Liu, P. J. (2020). Exploring the limits of transfer learning with a unified text-to-text transformer. Journal of Machine Learning Research, 21(140), 1–67. link ↗
- Lewis, M., Liu, Y., Goyal, N., Ghahravi, M., Mohamed, A., Chen, D., Levy, O., & Zettlemoyer, L. (2020). BART: Denoising sequence-to-sequence pre-training for natural language generation, translation, and comprehension. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (pp. 7871–7880). ACL. DOI: 10.18653/v1/2020.acl-main.703 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Transfer Learning with Neural Text Summarization. ScholarGate. https://scholargate.app/fa/deep-learning/transfer-learning-with-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
- تعبیههای جملهیادگیری عمیق↔ compare
- یادگیری انتقالی با تشخیص موجودیت نامداریادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →