Förklarbar textsummering
Förklarbar textsummering förstärker automatiska summeringsmodeller — extraktiva eller abstrakta — med post-hoc- eller inbyggda förklaringsmetoder som avslöjar vilka källmeningar, token eller uppmärksamhetsmönster som drev varje utdatamenning. Målet är att granska trohet, upptäcka hallucinationer och bygga förtroende för modellutdata i högkonsekvensmiljöer som medicinsk eller juridisk dokumentgranskning.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Atanasova, P., Simonsen, J. G., Lioma, C., & Augenstein, I. (2020). A diagnostic study of explainability techniques for text classification. In Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), 3256–3274. Association for Computational Linguistics. link ↗
- Maynez, J., Narayan, S., Bohnet, B., & McDonald, R. (2020). On Faithfulness and Factuality in Abstractive Summarization. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 1906–1919. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Explainable Text Summarization (XAI-augmented Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/sv/deep-learning/explainable-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.
- Förklaringsbar BERT-baserad klassificeringDjupinlärning↔ compare
- Förklaringsbar namngiven entitetsigenkänningDjupinlärning↔ compare
- Förklarbar TransformerDjupinlärning↔ compare
- Finjusterad textsummeringDjupinlärning↔ compare
- MeningsinbäddningarDjupinlärning↔ compare
- Överföringsinlärning med textsammanfattningDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →