Teksta kopsavilkums — Ekstraktīvais un abstraktīvais
Automātiska teksta kopsavilkuma veidošana ir dabisko valodu apstrādes uzdevums, kas garus dokumentus kondensē īsākos kopsavilkumos, saglabājot to galveno informāciju. Tas darbojas, izmantojot vienu no divām pieejām — ekstraktīvo kopsavilkumu, kas izvēlas svarīgākās daļas no avota, vai abstraktīvo kopsavilkumu, kas ģenerē jaunu tekstu. Šo jomu konsolidēja Nenkova un McKeown (2011), un sekvenču-uz-sekvenču modeļi, piemēram, BART (Lewis et al., 2020), veicināja abstraktīvo pusi.
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
- Nenkova, A. & McKeown, K. (2011). Automatic Summarization. Foundations and Trends in Information Retrieval. DOI: 10.1561/1500000015 ↗
- Lewis, M. et al. (2020). BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension. ACL. DOI: 10.18653/v1/2020.acl-main.703 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Automatic Text Summarization. ScholarGate. https://scholargate.app/lv/text-mining/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.
- Dokumentu kopu grupēšanaTeksta ieguve↔ compare
- Atslēgvārdu izvilkumsTeksta ieguve↔ compare
- Semantiskā līdzībaTeksta ieguve↔ compare
- Sentimentu analīzeTeksta ieguve↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →