Ringkasan Teks yang Ditala Halus
Ringkasan Teks yang Ditala Halus menyesuaikan model urutan-ke-urutan besar yang telah dilatih awal — seperti BART, T5, atau PEGASUS — untuk menjana ringkasan dokumen yang padat dengan melatih pada pasangan (dokumen, ringkasan) khusus domain. Pendekatan ini menghasilkan ringkasan yang jauh lebih lancar dan setia berbanding pendekatan penyaringan (extractive) atau generik dengan memanfaatkan pengetahuan yang dikodkan dalam berbilion token latihan awal.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Sumber
- Zhang, J., Zhao, Y., Saleh, M., & Liu, P. J. (2020). PEGASUS: Pre-training with Extracted Gap-sentences for Abstractive Summarization. Proceedings of the 37th International Conference on Machine Learning (ICML), 119, 11328–11339. link ↗
- Lewis, M., Liu, Y., Goyal, N., Ghazvininejad, M., Mohamed, A., Levy, O., Stoyanov, V., & Zettlemoyer, L. (2020). BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 7871–7880. DOI: 10.18653/v1/2020.acl-main.703 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Sequence-to-Sequence Model for Text Summarization. ScholarGate. https://scholargate.app/ms/deep-learning/fine-tuned-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 yang Ditala HalusPembelajaran Mendalam↔ compare
- Soalan Dijawab dengan Penalaan HalusPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan RoBERTaPembelajaran Mendalam↔ compare
- Penyematan AyatPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →