Transfer Learning com Sumarização de Texto
Transfer Learning com Sumarização de Texto adapta um modelo de linguagem grande pré-treinado em amplos corpora de texto — como T5, BART ou PEGASUS — para a tarefa de condensar documentos em resumos mais curtos e coerentes. Ao reutilizar o conhecimento linguístico aprendido e ajustar finamente em pares de documentos de origem e resumos de referência específicos do domínio, essa abordagem alcança forte qualidade de sumarização com modestas exigências de dados rotulados.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Neural Text Summarization. ScholarGate. https://scholargate.app/pt/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.
- Classificação baseada em BERTAprendizado profundo↔ compare
- Sumarização de Texto AjustadaAprendizado profundo↔ compare
- Embeddings de SentençasAprendizado profundo↔ compare
- Transfer Learning com Reconhecimento de Entidades NomeadasAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →