Machine learningDeep learning / NLP / CV

Sumarizare adaptată la domeniu

Sumarizarea adaptată la domeniu ajustează fin sau adaptează un model lingvistic pre-antrenat secvență-la-secvență pe un corpus din domeniul țintă, astfel încât rezumatele să respecte vocabularul, stilul și constrângerile factuale specifice domeniului. Aceasta reduce decalajul dintre modelele de sumarizare cu scop general, antrenate pe știri sau date web, și domeniile specializate, cum ar fi literatura biomedicală, documentele juridice, articolele științifice sau rapoartele financiare.

Deschide în MethodMindÎn curândVideoÎn curândDownload slides

Citește metoda completă

Doar pentru membri

Autentifică-te cu un cont gratuit pentru a citi această secțiune.

Autentificare

Method map

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

Surse

  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

Cum se citează această pagină

ScholarGate. (2026, June 3). Domain-adaptive Text Summarization (Domain Adaptation for Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/ro/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)). Preluat la 2026-06-15 de pe https://scholargate.app/ro/deep-learning/domain-adaptive-text-summarization · Set de date: https://doi.org/10.5281/zenodo.20539026