Peringkasan Teks Multibahasa
Peringkasan teks multibahasa menerapkan model encoder-decoder multibahasa yang telah dilatih sebelumnya — seperti mT5 atau mBART — untuk menghasilkan ringkasan ringkas dari dokumen yang ditulis dalam banyak bahasa, baik dalam bahasa yang sama (monolingual) maupun lintas bahasa (cross-lingual). Penyesuaian (fine-tuning) model-model ini pada tolok ukur peringkasan multibahasa seperti XL-Sum memungkinkan cakupan puluhan bahasa dengan satu model.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Xue, L., Constant, N., Roberts, A., Kale, M., Al-Rfou, R., Siddhant, A., Barua, A., & Raffel, C. (2021). mT5: A Massively Multilingual Pre-Trained Text-to-Text Transformer. Proceedings of NAACL-HLT 2021, pp. 483–498. Association for Computational Linguistics. link ↗
- Hasan, T., Bhattacharjee, A., Islam, M. S., Mubasshir, K., Li, Y.-F., Kang, Y.-B., Rahman, M. S., & Shahriyar, R. (2021). XL-Sum: Large-Scale Multilingual Abstractive Summarization for 44 Languages. Findings of ACL-IJCNLP 2021, pp. 4693–4703. Association for Computational Linguistics. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Multilingual Text Summarization. ScholarGate. https://scholargate.app/id/deep-learning/multilingual-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.
- Peringkasan Teks yang Disesuaikan (Fine-Tuned)Pembelajaran Mendalam↔ compare
- Klasifikasi Berbasis RoBERTa MultibahasaPembelajaran Mendalam↔ compare
- Transformer MultibahasaPembelajaran Mendalam↔ compare
- Sentence EmbeddingsPembelajaran Mendalam↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →