ScholarGate
Asistenti
Machine learningDeep learning / NLP / CV

Përmbledhje e tekstit e akorduar imët

Përmbledhja e tekstit e akorduar imët përshtat një model të madh të parë-trajuar sekuencë-në-sekuencë — si BART, T5, ose PEGASUS — për të gjeneruar përmbledhje koncize të dokumenteve duke u trajnuar në çifte (dokument, përmbledhje) specifike për domen. Ajo qasje jep përmbledhje dukshëm më fluide dhe besnike sesa qasjet ekstraktive ose të përgjithshme duke shfrytëzuar njohurinë e koduar në miliarda gjuhëza parë-trajnimi.

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.

+1 more

Burimet

  1. 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
  2. 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

Si ta citoni këtë faqe

ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Sequence-to-Sequence Model for Text Summarization. ScholarGate. https://scholargate.app/sq/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.

Compare side by side

Cituar nga

ScholarGateFine-Tuned Text Summarization (Fine-Tuned Pre-trained Sequence-to-Sequence Model for Text Summarization). Marrë më 2026-06-15 nga https://scholargate.app/sq/deep-learning/fine-tuned-text-summarization · Seti i të dhënave: https://doi.org/10.5281/zenodo.20539026