למידת העברה לסיכום טקסט
למידת העברה לסיכום טקסט (Transfer Learning with Text Summarization) מתאימה מודל שפה גדול שאומן מראש על קורפוסים רחבים של טקסט — כגון T5, BART, או PEGASUS — למשימת דחיסת מסמכים לסיכומים קצרים וקוהרנטיים. על ידי שימוש חוזר בידע לשוני שנלמד וכוונון עדין (fine-tuning) על זוגות ספציפיים לתחום של מסמכי מקור וסיכומי ייחוס, גישה זו משיגה איכות סיכום גבוהה עם דרישות נתונים מתויגים צנועות.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Raffel, C., Shazeer, N., Roberts, A., Lee, K., Narang, S., Matena, M., Zhou, Y., Li, W., & Liu, P. J. (2020). Exploring the limits of transfer learning with a unified text-to-text transformer. Journal of Machine Learning Research, 21(140), 1–67. link ↗
- Lewis, M., Liu, Y., Goyal, N., Ghahravi, M., Mohamed, A., Chen, D., Levy, O., & Zettlemoyer, L. (2020). BART: Denoising sequence-to-sequence pre-training for natural language generation, translation, and comprehension. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (pp. 7871–7880). ACL. DOI: 10.18653/v1/2020.acl-main.703 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Transfer Learning with Neural Text Summarization. ScholarGate. https://scholargate.app/he/deep-learning/transfer-learning-with-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
- סיכום טקסט מכוונן (Fine-Tuned Text Summarization)למידה עמוקה↔ compare
- ייצוגי משפטים (Sentence Embeddings)למידה עמוקה↔ compare
- Transfer Learning with Named Entity Recognitionלמידה עמוקה↔ compare