Machine learningDeep learning / NLP / CV
ファイン・チューニングによるテキスト要約
ファイン・チューニングによるテキスト要約は、BART、T5、PEGASUSなどの大規模事前学習済み系列変換モデルを、ドメイン固有の（文書、要約）ペアで訓練することにより、文書の簡潔な要約を生成するように適応させる手法である。このアプローチは、事前学習トークン数十億個にエンコードされた知識を活用することで、抽出型または汎用的なアプローチよりも実質的に流暢で忠実な要約をもたらす。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
出典
- Zhang, J., Zhao, Y., Saleh, M., & Liu, P. J. (2020). PEGASUS: Pre-training with Extracted Gap-sentences for Abstractive Summarization. Proceedings of the 37th International Conference on Machine Learning (ICML), 119, 11328–11339. link ↗
- Lewis, M., Liu, Y., Goyal, N., Ghazvininejad, M., Mohamed, A., Levy, O., Stoyanov, V., & Zettlemoyer, L. (2020). BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 7871–7880. DOI: 10.18653/v1/2020.acl-main.703 ↗
このページの引用方法
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Sequence-to-Sequence Model for Text Summarization. ScholarGate. https://scholargate.app/ja/deep-learning/fine-tuned-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.
- BERTベースの分類深層学習↔ compare
- ファインチューニングされたBERTベースの分類深層学習↔ compare
- ファインチューニングされた質問応答深層学習↔ compare
- RoBERTaベースの分類深層学習↔ compare
- 文埋め込み（Sentence Embeddings）深層学習↔ compare