Pārneses apmācība tekstu apkopošanai
Pārneses apmācība tekstu apkopošanai pielāgo plašos tekstu korpusos iepriekš apmācītu lielo valodu modeli — piemēram, T5, BART vai PEGASUS — dokumentu kondensēšanas uzdevumam īsākās, koherentās kopsavilkumos. Pārmantojot apgūtās lingvistiskās zināšanas un veicot smalko regulēšanu uz domēnspecifiskiem avota dokumentu un atsauces kopsavilkumu pāriem, šī pieeja nodrošina spēcīgu apkopošanas kvalitāti ar mērenām iezīmētu datu prasībām.
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
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Transfer Learning with Neural Text Summarization. ScholarGate. https://scholargate.app/lv/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 klasifikācijaDziļā mācīšanās↔ compare
- Teksta kopsavilkumu precizēšanaDziļā mācīšanās↔ compare
- Ievietojumi teikumiemDziļā mācīšanās↔ compare
- Pārneses apmācība ar nosaukto entītiju atpazīšanuDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →