Peringkasan Teks Adaptif Domain
Peringkasan teks adaptif domain menyempurnakan atau mengadaptasi model bahasa urutan-ke-urutan yang telah dilatih sebelumnya pada korpus domain target sehingga ringkasan sesuai dengan kosakata, gaya, dan batasan faktual spesifik domain. Ini menjembatani kesenjangan antara model peringkasan serbaguna yang dilatih pada data berita atau web dan domain khusus seperti literatur biomedis, dokumen hukum, makalah ilmiah, atau laporan keuangan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Domain-adaptive Text Summarization (Domain Adaptation for Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/id/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.
- Klasifikasi Berbasis BERTPembelajaran Mendalam↔ compare
- Klasifikasi Berbasis BERT Adaptif DomainPembelajaran Mendalam↔ compare
- Pengenalan Entitas Bernama Adaptif DomainPembelajaran Mendalam↔ compare
- Peringkasan Teks yang Disesuaikan (Fine-Tuned)Pembelajaran Mendalam↔ compare
- Ringkasan Teks MultimodalPembelajaran Mendalam↔ compare
- Transfer Learning dengan Peringkasan TeksPembelajaran Mendalam↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →