Vāji uzraudzīta tekstu kopsavilkumu veidošana
Vāji uzraudzīta tekstu kopsavilkumu veidošana apmāca abstraktīvus vai ekstraktīvus kopsavilkumu modeļus bez manuāli anotētām atsauces kopsavilkumiem. Tā vietā, lai izmantotu dārgas cilvēku anotācijas, tā izmanto vājus signālus — heuristiskus noteikumus, attālo uzraudzību, trokšņainas automātiskas anotācijas vai pašuzraudzības mērķus — lai vadītu sekvences-līdz-sekvencei vai transformatoru modeļus, lai tie radītu koherentus, kodolīgus ievades dokumentu kopsavilkumus.
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
- Amplayo, R. K., & Lapata, M. (2020). Unsupervised Opinion Summarization with Noisy Autoencoder. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, 1934–1945. link ↗
- Huang, L., Wu, L., & Wang, L. (2020). Knowledge Graph-Augmented Abstractive Summarization with Semantic-Driven Cloze Reward. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, 5094–5107. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Weakly Supervised Text Summarization. ScholarGate. https://scholargate.app/lv/deep-learning/weakly-supervised-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.
- Pašuzraudzības apmācībaMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →