סיכום טקסט מכוונן (Fine-Tuned Text Summarization)
סיכום טקסט מכוונן (Fine-Tuned Text Summarization) מתאים מודל רשת נוירונים גדול של קדם-אימון מסוג רצף-לרצף — כגון BART, T5, או PEGASUS — ליצירת תקצירים תמציתיים של מסמכים באמצעות אימון על זוגות (מסמך, תקציר) ספציפיים לתחום. גישה זו מניבה תקצירים זורמים ומהימנים באופן משמעותי יותר מגישות חילוץ (extractive) או גישות כלליות, על ידי מינוף הידע המקודד במיליארדי טוקנים של קדם-אימון.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
מקורות
- Zhang, J., Zhao, Y., Saleh, M., & Liu, P. J. (2020). PEGASUS: Pre-training with Extracted Gap-sentences for Abstractive Summarization. Proceedings of the 37th International Conference on Machine Learning (ICML), 119, 11328–11339. link ↗
- Lewis, M., Liu, Y., Goyal, N., Ghazvininejad, M., Mohamed, A., Levy, O., Stoyanov, V., & Zettlemoyer, L. (2020). BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 7871–7880. DOI: 10.18653/v1/2020.acl-main.703 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Sequence-to-Sequence Model for Text Summarization. ScholarGate. https://scholargate.app/he/deep-learning/fine-tuned-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.
- סיווג מבוסס BERTלמידה עמוקה↔ compare
- סיווג מבוסס BERT מכוונן עדיןלמידה עמוקה↔ compare
- מענה על שאלות מכוונן-עדיןלמידה עמוקה↔ compare
- סיווג מבוסס RoBERTaלמידה עמוקה↔ compare
- ייצוגי משפטים (Sentence Embeddings)למידה עמוקה↔ compare