ScholarGate
Asistenti
Machine learningDeep learning / NLP / CV

Përmbledhje teksti adaptuese ndaj domenit

Përmbledhja teksti adaptuese ndaj domenit përsos ose përshtat një model gjuhësor paraprakisht i trajnuar sekuencë-me-sekuencë në një korpus të domenit të synuar, në mënyrë që përmbledhjet të përputhen me fjalorin, stilin dhe kufizimet faktuale të domenit. Ajo lidh hendekun midis modeleve të përgjithshme të përmbledhjes së trajnuar në të dhëna lajmesh ose interneti dhe domeneve të specializuara siç janë letërsia biomjekësore, dokumentet ligjore, artikujt shkencorë ose raportet financiare.

Hapeni në MethodMindSë shpejtiVideoSë shpejtiDownload slides

Lexoni metodën e plotë

Vetëm për anëtarët

Hyni me një llogari falas për ta lexuar këtë seksion.

Hyni

Method map

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

Burimet

  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

Si ta citoni këtë faqe

ScholarGate. (2026, June 3). Domain-adaptive Text Summarization (Domain Adaptation for Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/sq/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)). Marrë më 2026-06-15 nga https://scholargate.app/sq/deep-learning/domain-adaptive-text-summarization · Seti i të dhënave: https://doi.org/10.5281/zenodo.20539026