ScholarGate
Asistent
Machine learningDeep learning / NLP / CV

Prenosové učenie s sumarizáciou textu

Prenosové učenie s sumarizáciou textu prispôsobuje rozsiahly jazykový model predtrénovaný na širokých textových korpusoch — ako T5, BART alebo PEGASUS — na úlohu skracovania dokumentov do kratších, koherentných zhrnutí. Opätovným využitím naučených lingvistických poznatkov a doladením na pároch zdrojových dokumentov a referenčných zhrnutí špecifických pre danú doménu dosahuje tento prístup silnú kvalitu sumarizácie s miernymi požiadavkami na označené dáta.

Otvoriť v MethodMindČoskoroVideoČoskoroStiahnuť snímky

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Mapa metód

Okolie príbuzných metód — vyberte uzol na preskúmanie.

Zdroje

  1. 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
  2. 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

Ako citovať túto stránku

ScholarGate. (2026, June 3). Transfer Learning with Neural Text Summarization. ScholarGate. https://scholargate.app/sk/deep-learning/transfer-learning-with-text-summarization

Ktorá metóda?

Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.

Porovnať vedľa seba

Odkazujú sem

ScholarGateTransfer Learning with Text Summarization (Transfer Learning with Neural Text Summarization). Získané 2026-06-15 z https://scholargate.app/sk/deep-learning/transfer-learning-with-text-summarization · Dátová sada: https://doi.org/10.5281/zenodo.20539026