خلاصهسازی متن با نظارت ضعیف
خلاصهسازی متن با نظارت ضعیف، مدلهای خلاصهسازی انتزاعی یا استخراجی را بدون خلاصههای مرجع دستساز آموزش میدهد. به جای برچسبهای پرهزینه انسانی، از سیگنالهای ضعیف - قوانین ابتکاری، نظارت از راه دور، برچسبهای خودکار پرنویز، یا اهداف خود-نظارتی - برای هدایت مدلهای توالی به توالی یا ترنسفورمر به سمت تولید خلاصههای منسجم و مختصر از اسناد ورودی استفاده میکند.
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
- Amplayo, R. K., & Lapata, M. (2020). Unsupervised Opinion Summarization with Noisy Autoencoder. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, 1934–1945. link ↗
- Huang, L., Wu, L., & Wang, L. (2020). Knowledge Graph-Augmented Abstractive Summarization with Semantic-Driven Cloze Reward. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, 5094–5107. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Weakly Supervised Text Summarization. ScholarGate. https://scholargate.app/fa/deep-learning/weakly-supervised-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.
- یادگیری خودنظارتییادگیری ماشین↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →