Слабо контролируемое реферирование текстов
Слабо контролируемое реферирование текстов обучает модели абстрактивного или экстрактивного реферирования без вручную аннотированных эталонных рефератов. Вместо дорогостоящих человеческих меток оно использует слабые сигналы — эвристические правила, удаленный контроль, зашумленные автоматические метки или самоконтролируемые цели — для направления моделей последовательность-в-последовательность или трансформерных моделей к созданию связных, лаконичных рефератов входных документов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Amplayo, R. K., & Lapata, M. (2020). Unsupervised Opinion Summarization with Noisy Autoencoder. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, 1934–1945. link ↗
- Huang, L., Wu, L., & Wang, L. (2020). Knowledge Graph-Augmented Abstractive Summarization with Semantic-Driven Cloze Reward. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, 5094–5107. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Weakly Supervised Text Summarization. ScholarGate. https://scholargate.app/ru/deep-learning/weakly-supervised-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.
- Самообучение с учителемМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →