ScholarGate
Avustaja
Machine learningDeep learning / NLP / CV

Aluekohtainen tekstin tiivistäminen

Domain-adaptive text summarization hienosäätää tai mukauttaa esikoulutettua sekvenssi-sekvenssi-kielimallia kohdedomainin korpukseen siten, että tiivistelmät noudattavat domain-spesifistä sanastoa, tyyliä ja tosiasiallisia rajoitteita. Se kaventaa kuilua yleiskäyttöisten tiivistysmallien välillä, jotka on koulutettu uutis- tai verkkodatalle, ja erikoistuneiden domainien, kuten biolääketieteellisen kirjallisuuden, oikeudellisten asiakirjojen, tieteellisten artikkeleiden tai taloudellisten raporttien, välillä.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

The neighbourhood of related methods — select a node to explore.

Lähteet

  1. Fabbri, A. R., KryŜiński, W., McCann, B., Xiong, C., Socher, R., & Radev, D. (2021). SummEval: Re-evaluating Summarization Evaluation. Transactions of the Association for Computational Linguistics, 9, 391–409. DOI: 10.1162/tacl_a_00373
  2. Maynez, J., Narayan, S., Bohnet, B., & McDonald, R. (2020). On Faithfulness and Factuality in Abstractive Summarization. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL 2020), pp. 1906–1919. DOI: 10.18653/v1/2020.acl-main.173

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Domain-adaptive Text Summarization (Domain Adaptation for Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/fi/deep-learning/domain-adaptive-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.

Compare side by side
ScholarGateDomain-adaptive Text Summarization (Domain-adaptive Text Summarization (Domain Adaptation for Abstractive and Extractive Summarization)). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/deep-learning/domain-adaptive-text-summarization · Aineisto: https://doi.org/10.5281/zenodo.20539026