Slaba nadgledana sažimanja teksta
Slaba nadgledana sažimanja teksta obučava apstraktivne ili ekstraktivne modele sažimanja bez ručno anotiranih referentnih sažimanja. Umesto skupih ljudskih oznaka, koristi slabe signale — heuristička pravila, daljinsku superviziju, bučne automatske oznake ili samo-nadgledane ciljeve — da bi vodila sekvencijalno-sekvencijalne ili transformatorske modele ka produkciji koherentnih, konciznih sažimanja ulaznih dokumenata.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Weakly Supervised Text Summarization. ScholarGate. https://scholargate.app/sr/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.
- Samostalno učenjeMašinsko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →