ScholarGate
Assistente
Machine learningDeep learning / NLP / CV

Summarizzazione Adattiva al Dominio

La summarizzazione adattiva al dominio affina o adatta un modello linguistico pre-addestrato sequenza-a-sequenza su un corpus del dominio target, in modo che i riassunti siano conformi al vocabolario, allo stile e ai vincoli fattuali specifici del dominio. Colma il divario tra i modelli di summarizzazione generici addestrati su dati di notizie o web e domini specializzati come la letteratura biomedica, i documenti legali, gli articoli scientifici o i report finanziari.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Fonti

  1. 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
  2. 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

Come citare questa pagina

ScholarGate. (2026, June 3). Domain-adaptive Text Summarization (Domain Adaptation for Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/it/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.

Compare side by side
ScholarGateDomain-adaptive Text Summarization (Domain-adaptive Text Summarization (Domain Adaptation for Abstractive and Extractive Summarization)). Consultato il 2026-06-15 da https://scholargate.app/it/deep-learning/domain-adaptive-text-summarization · Insieme di dati: https://doi.org/10.5281/zenodo.20539026