Machine learningDeep learning / NLP / CV

Explainable Text Summarization

L'Explainable Text Summarization augmente les modèles de résumé automatique — extractifs ou abstractifs — avec des méthodes d'explication post-hoc ou intégrées qui révèlent quelles phrases sources, quels tokens ou quels schémas d'attention ont déterminé chaque phrase de sortie. L'objectif est d'auditer la fidélité, de détecter les hallucinations et de renforcer la confiance dans les sorties du modèle dans des contextes à enjeux élevés tels que la révision de documents médicaux ou juridiques.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

Sources

  1. Atanasova, P., Simonsen, J. G., Lioma, C., & Augenstein, I. (2020). A diagnostic study of explainability techniques for text classification. In Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), 3256–3274. Association for Computational Linguistics. link
  2. Maynez, J., Narayan, S., Bohnet, B., & McDonald, R. (2020). On Faithfulness and Factuality in Abstractive Summarization. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 1906–1919. link

Comment citer cette page

ScholarGate. (2026, June 3). Explainable Text Summarization (XAI-augmented Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/fr/deep-learning/explainable-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

Référencée par

ScholarGateExplainable Text Summarization (Explainable Text Summarization (XAI-augmented Abstractive and Extractive Summarization)). Consulté le 2026-06-15 sur https://scholargate.app/fr/deep-learning/explainable-text-summarization · Jeu de données : https://doi.org/10.5281/zenodo.20539026