Pembelajaran Pemindahan dengan Peringkasan Teks
Pembelajaran Pemindahan dengan Peringkasan Teks menyesuaikan model bahasa besar yang telah dilatih awal pada korpus teks yang luas — seperti T5, BART, atau PEGASUS — untuk tugas memampatkan dokumen menjadi ringkasan yang lebih pendek dan koheren. Dengan menggunakan semula pengetahuan linguistik yang dipelajari dan penalaan halus pada pasangan dokumen sumber dan ringkasan rujukan khusus domain, pendekatan ini mencapai kualiti peringkasan yang kukuh dengan keperluan data berlabel yang sederhana.
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
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Transfer Learning with Neural Text Summarization. ScholarGate. https://scholargate.app/ms/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.
- Klasifikasi Berasaskan BERTPembelajaran Mendalam↔ compare
- Ringkasan Teks yang Ditala HalusPembelajaran Mendalam↔ compare
- Penyematan AyatPembelajaran Mendalam↔ compare
- Pembelajaran Pemindahan dengan Pengenalan Entiti BernamaPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →