ScholarGate
Asystent
Process / pipeline

Punktacja spójności tekstu — Modelowanie lokalnej spójności

Punktacja spójności tekstu oblicza spójność na poziomie dokumentu za pomocą uczenia maszynowego, opierając się na modelu lokalnej spójności opartej na encjach, wprowadzonym przez Barzilay i Lapata (2008). Mierzy on, jak dobrze zdania tekstu są ze sobą powiązane, wykorzystując model siatki encji, podejście grafowe lub model oparty na transformatorach.

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. Barzilay, R. & Lapata, M. (2008). Modeling Local Coherence: An Entity-Based Approach. Computational Linguistics, 34(1), 1-34. DOI: 10.1162/coli.2008.34.1.1
  2. Guinaudeau, C. & Strube, M. (2013). Graph-based Local Coherence Modeling. Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics (ACL), 93-103. link

Jak cytować tę stronę

ScholarGate. (2026, June 1). Text Coherence Scoring (Local Coherence Modeling). ScholarGate. https://scholargate.app/pl/text-mining/text-coherence-scoring

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
ScholarGateText Coherence Scoring (Text Coherence Scoring (Local Coherence Modeling)). Pobrano 2026-06-15 z https://scholargate.app/pl/text-mining/text-coherence-scoring · Zbiór danych: https://doi.org/10.5281/zenodo.20539026