Machine learningDeep learning / NLP / CV

Adaptacja domenowa streszczania tekstów

Adaptacja domenowa streszczania tekstów polega na dostrajaniu lub adaptowaniu wstępnie wytrenowanego modelu językowego sekwencja-do-sekwencji na korpusie docelowej domeny, tak aby streszczenia odpowiadały specyficznemu dla domeny słownictwu, stylowi i ograniczeniom faktycznym. Pokrywa ona lukę między ogólnymi modelami streszczania wytrenowanymi na danych informacyjnych lub internetowych a domenami specjalistycznymi, takimi jak literatura biomedyczna, dokumenty prawne, artykuły naukowe czy raporty finansowe.

Otwórz w MethodMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

The neighbourhood of related methods — select a node to explore.

Źródła

  1. 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
  2. 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

Jak cytować tę stronę

ScholarGate. (2026, June 3). Domain-adaptive Text Summarization (Domain Adaptation for Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/pl/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.

Compare side by side
ScholarGateDomain-adaptive Text Summarization (Domain-adaptive Text Summarization (Domain Adaptation for Abstractive and Extractive Summarization)). Pobrano 2026-06-15 z https://scholargate.app/pl/deep-learning/domain-adaptive-text-summarization · Zbiór danych: https://doi.org/10.5281/zenodo.20539026