ScholarGate
Assistente
Machine learningDeep learning / NLP / CV

Sumarização de Texto Semi-supervisionada

A sumarização de texto semi-supervisionada treina modelos de sumarização aproveitando grandes quantidades de texto não rotulado, juntamente com um pequeno conjunto de resumos de referência escritos por humanos. Ao usar técnicas como pré-treinamento de modelo de linguagem, pseudo-rotulagem e auto-treinamento, esses métodos reduzem substancialmente o ônus da anotação, mantendo pontuações ROUGE competitivas em conjuntos de dados de referência.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Fontes

  1. He, J., Zhou, C., Ma, X., Berg-Kirkpatrick, T., & Neubig, G. (2020). Revisiting Semi-Supervised Learning for Neural Sequence Generation. In Proceedings of ICLR 2020. link
  2. Automatic summarization. Wikipedia. link

Como citar esta página

ScholarGate. (2026, June 3). Semi-supervised Text Summarization (Label-efficient Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/pt/deep-learning/semi-supervised-text-summarization

ScholarGateSemi-supervised Text Summarization (Semi-supervised Text Summarization (Label-efficient Abstractive and Extractive Summarization)). Recuperado em 2026-06-15 de https://scholargate.app/pt/deep-learning/semi-supervised-text-summarization · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026