Transfer Learning con Riassunto di Testo
Il Transfer Learning con Riassunto di Testo adatta un modello linguistico di grandi dimensioni pre-addestrato su ampi corpora testuali — come T5, BART o PEGASUS — al compito di condensare documenti in riassunti più brevi e coerenti. Riutilizzando la conoscenza linguistica appresa e affinando (fine-tuning) su coppie dominio-specifiche di documenti sorgente e riassunti di riferimento, questo approccio raggiunge una forte qualità di riassunto con modesti requisiti di dati etichettati.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Transfer Learning with Neural Text Summarization. ScholarGate. https://scholargate.app/it/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.
- Classificazione basata su BERTApprendimento profondo↔ compare
- Riassunto di Testi con Fine-TuningApprendimento profondo↔ compare
- Sentence EmbeddingsApprendimento profondo↔ compare
- Apprendimento per trasferimento con riconoscimento di entità nominateApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →