Machine learningDeep learning / NLP / CV
미세 조정 텍스트 요약
미세 조정 텍스트 요약은 BART, T5 또는 PEGASUS와 같은 대규모 사전 훈련된 순차-대순차 모델을 특정 도메인의 (문서, 요약) 쌍으로 훈련하여 문서의 간결한 요약을 생성하도록 조정하는 것입니다. 이 접근 방식은 수십억 개의 사전 훈련 토큰에 인코딩된 지식을 활용하여 추출 또는 일반적인 접근 방식보다 훨씬 더 유창하고 충실한 요약을 생성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Sequence-to-Sequence Model for Text Summarization. ScholarGate. https://scholargate.app/ko/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 기반 분류딥러닝↔ compare
- BERT 기반 미세조정 분류딥러닝↔ compare
- Fine-Tuned Question Answering딥러닝↔ compare
- RoBERTa 기반 분류딥러닝↔ compare
- 문장 임베딩딥러닝↔ compare