Sumarizarea Textului cu Ajustare Fină
Sumarizarea Textului cu Ajustare Fină adaptează un model secvență-la-secvență pre-antrenat de mari dimensiuni — cum ar fi BART, T5 sau PEGASUS — pentru a genera rezumate concise ale documentelor, prin antrenarea pe perechi (document, rezumat) specifice domeniului. Abordarea produce rezumate substanțial mai fluente și mai fidele decât metodele extractive sau generice, valorificând cunoștințele codificate în miliarde de token-uri de pre-antrenare.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Surse
- Zhang, J., Zhao, Y., Saleh, M., & Liu, P. J. (2020). PEGASUS: Pre-training with Extracted Gap-sentences for Abstractive Summarization. Proceedings of the 37th International Conference on Machine Learning (ICML), 119, 11328–11339. link ↗
- Lewis, M., Liu, Y., Goyal, N., Ghazvininejad, M., Mohamed, A., Levy, O., Stoyanov, V., & Zettlemoyer, L. (2020). BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 7871–7880. DOI: 10.18653/v1/2020.acl-main.703 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Sequence-to-Sequence Model for Text Summarization. ScholarGate. https://scholargate.app/ro/deep-learning/fine-tuned-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.
- Clasificare bazată pe BERTÎnvățare profundă↔ compare
- Clasificare bazată pe BERT fin-reglatÎnvățare profundă↔ compare
- Răspuns la întrebări prin ajustare finăÎnvățare profundă↔ compare
- Clasificare bazată pe RoBERTaÎnvățare profundă↔ compare
- Embeddings de propozițiiÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →