Paskaidrojamā teksta apkopošana
Paskaidrojamā teksta apkopošana papildina automātiskās apkopošanas modeļus — ekstraktīvos vai abstraktīvos — ar pēcpārbaudes vai iebūvētām paskaidrošanas metodēm, kas atklāj, kuri avota teikumi, vārdi vai uzmanības modeļi noteica katru izvades teikumu. Mērķis ir pārbaudīt ticamību, atklāt halucinācijas un veidot uzticību modeļa izvadei augsta riska apstākļos, piemēram, medicīnisko vai juridisko dokumentu pārskatīšanā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Atanasova, P., Simonsen, J. G., Lioma, C., & Augenstein, I. (2020). A diagnostic study of explainability techniques for text classification. In Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), 3256–3274. Association for Computational Linguistics. link ↗
- Maynez, J., Narayan, S., Bohnet, B., & McDonald, R. (2020). On Faithfulness and Factuality in Abstractive Summarization. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 1906–1919. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Explainable Text Summarization (XAI-augmented Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/lv/deep-learning/explainable-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.
- Skaidrojama BERT bāzēta klasifikācijaDziļā mācīšanās↔ compare
- Skaidrojamā nosaukto entitāšu atpazīšanaDziļā mācīšanās↔ compare
- Skaidrojams TransformerisDziļā mācīšanās↔ compare
- Teksta kopsavilkumu precizēšanaDziļā mācīšanās↔ compare
- Ievietojumi teikumiemDziļā mācīšanās↔ compare
- Pārneses apmācība tekstu apkopošanaiDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →