Słabo nadzorowane streszczanie tekstu
Słabo nadzorowane streszczanie tekstu trenuje modele streszczania abstrakcyjnego lub ekstrakcyjnego bez ręcznie anotowanych streszczeń referencyjnych. Zamiast kosztownych etykiet ludzkich, wykorzystuje słabe sygnały — heurystyczne reguły, odległy nadzór, zaszumione automatyczne etykiety lub cele samonadzorowane — do kierowania modelami sekwencja-do-sekwencji lub transformatorowymi w celu tworzenia spójnych, zwięzłych streszczeń dokumentów wejściowych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Amplayo, R. K., & Lapata, M. (2020). Unsupervised Opinion Summarization with Noisy Autoencoder. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, 1934–1945. link ↗
- Huang, L., Wu, L., & Wang, L. (2020). Knowledge Graph-Augmented Abstractive Summarization with Semantic-Driven Cloze Reward. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, 5094–5107. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Weakly Supervised Text Summarization. ScholarGate. https://scholargate.app/pl/deep-learning/weakly-supervised-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.
- Uczenie samo nadzorowaneUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →