Transfer Learning with Text Summarization
Transfer Learning with Text Summarization адаптирует большую языковую модель, предварительно обученную на широких текстовых корпусах — таких как T5, BART или PEGASUS — к задаче сжатия документов в более короткие, связные резюме. Повторно используя усвоенные лингвистические знания и дообучаясь на парах «исходный документ — эталонное резюме», специфичных для предметной области, этот подход обеспечивает высокое качество резюмирования при умеренных требованиях к размеченным данным.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Transfer Learning with Neural Text Summarization. ScholarGate. https://scholargate.app/ru/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.
- Классификация на основе BERTГлубокое обучение↔ compare
- Дообученная суммаризация текстовГлубокое обучение↔ compare
- Векторные представления предложенийГлубокое обучение↔ compare
- Трансферное обучение для распознавания именованных сущностейГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →