Peringkasan Teks Adaptif Domain
Peringkasan teks adaptif domain menghalusi atau menyesuaikan model bahasa jujukan-ke-jujukan (sequence-to-sequence) pra-latih pada korpus domain sasaran supaya ringkasan mematuhi perbendaharaan kata, gaya, dan kekangan fakta khusus domain. Ia merapatkan jurang antara model peringkasan tujuan umum yang dilatih pada data berita atau web dengan domain khusus seperti literatur bioperubatan, dokumen undang-undang, kertas saintifik, atau laporan kewangan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Fabbri, A. R., KryŜiński, W., McCann, B., Xiong, C., Socher, R., & Radev, D. (2021). SummEval: Re-evaluating Summarization Evaluation. Transactions of the Association for Computational Linguistics, 9, 391–409. DOI: 10.1162/tacl_a_00373 ↗
- Maynez, J., Narayan, S., Bohnet, B., & McDonald, R. (2020). On Faithfulness and Factuality in Abstractive Summarization. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL 2020), pp. 1906–1919. DOI: 10.18653/v1/2020.acl-main.173 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Domain-adaptive Text Summarization (Domain Adaptation for Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/ms/deep-learning/domain-adaptive-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.
- Klasifikasi Berasaskan BERTPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan BERT Adaptif DomainPembelajaran Mendalam↔ compare
- Penganalisisan Entiti Bernama Adaptif DomainPembelajaran Mendalam↔ compare
- Ringkasan Teks yang Ditala HalusPembelajaran Mendalam↔ compare
- Peringkasan Teks Multimod,Pembelajaran Mendalam↔ compare
- Pembelajaran Pemindahan dengan Peringkasan TeksPembelajaran Mendalam↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →