ScholarGate
Assistent
Machine learningDeep learning / NLP / CV

Semi-supervised text summarization

Semi-supervised text summarization tränar modeller för textsummering genom att utnyttja stora mängder omärkt text tillsammans med en liten mängd mänskligt skrivna referenssammanfattningar. Genom att använda tekniker som förträning av språkmodeller, pseudo-etikettering och self-training, minskar dessa metoder annoteringsbördan avsevärt samtidigt som de bibehåller konkurrenskraftiga ROUGE-poäng på benchmark-dataset.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Källor

  1. He, J., Zhou, C., Ma, X., Berg-Kirkpatrick, T., & Neubig, G. (2020). Revisiting Semi-Supervised Learning for Neural Sequence Generation. In Proceedings of ICLR 2020. link
  2. Automatic summarization. Wikipedia. link

Så citerar du den här sidan

ScholarGate. (2026, June 3). Semi-supervised Text Summarization (Label-efficient Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/sv/deep-learning/semi-supervised-text-summarization

ScholarGateSemi-supervised Text Summarization (Semi-supervised Text Summarization (Label-efficient Abstractive and Extractive Summarization)). Hämtad 2026-06-15 från https://scholargate.app/sv/deep-learning/semi-supervised-text-summarization · Datamängd: https://doi.org/10.5281/zenodo.20539026