ScholarGate
עוזר
Machine learningDeep learning / NLP / CV

סיכום טקסטים בלמידה חצי-מפוקחת

סיכום טקסטים בלמידה חצי-מפוקחת מאמן מודלי סיכום על ידי מינוף כמויות גדולות של טקסטים לא מתויגים לצד קבוצה קטנה של סיכומי ייחוס שנכתבו על ידי אדם. באמצעות שימוש בטכניקות כגון אימון מוקדם של מודלי שפה, תיוג מדומה (pseudo-labeling) ואימון עצמי (self-training), שיטות אלו מפחיתות באופן ניכר את עומס התיוג תוך שמירה על ציוני ROUGE תחרותיים במערכי נתונים לבדיקה.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

מקורות

  1. He, J., Zhou, C., Ma, X., Berg-Kirkpatrick, T., & Neubig, G. (2020). Revisiting Semi-Supervised Learning for Neural Sequence Generation. In Proceedings of ICLR 2020. link
  2. Automatic summarization. Wikipedia. link

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Semi-supervised Text Summarization (Label-efficient Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/he/deep-learning/semi-supervised-text-summarization

ScholarGateSemi-supervised Text Summarization (Semi-supervised Text Summarization (Label-efficient Abstractive and Extractive Summarization)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/deep-learning/semi-supervised-text-summarization · מערך נתונים: https://doi.org/10.5281/zenodo.20539026