Machine learningDeep learning / NLP / CV
テキスト要約における転移学習
テキスト要約における転移学習は、T5、BART、PEGASUSなどの広範なテキストコーパスで事前学習された大規模言語モデルを、文書を短く一貫性のある要約に凝縮するタスクに適応させる手法です。学習済みの言語知識を再利用し、ドメイン固有のソース文書と参照要約のペアでファインチューニングすることにより、このアプローチは、適度なラベル付きデータ要件で高い要約品質を達成します。
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.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Transfer Learning with Neural Text Summarization. ScholarGate. https://scholargate.app/ja/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.
- BERTベースの分類深層学習↔ compare
- ファイン・チューニングによるテキスト要約深層学習↔ compare
- 文埋め込み（Sentence Embeddings）深層学習↔ compare
- 固有表現抽出（NER）における転移学習深層学習↔ compare