HyperAIHyperAI

Command Palette

Search for a command to run...

تحليل المحتوى وقرارات الميزانية في التلخيص الاستنتاجي للوثائق الطويلة

Marcio Fonseca Yftah Ziser Shay B. Cohen

الملخص

نُقدّم حجّة تُفيد بأن فصل اختيار المحتوى عن الميزانية المستخدمة لتغطية المحتوى البارز يُحسّن الأداء والقابلية للتطبيق في نماذج التلخيص الاستنتاجي. يُحقّق نهجنا، FactorSum، هذا الفصل من خلال تفكيك عملية التلخيص إلى خطوتين باستخدام دالة طاقة: (1) إنشاء نُسخ استنتاجية للتلخيص؛ (2) دمج هذه النُسخ في تلخيص نهائي، وفقًا لميزانية وإرشادات محتوى. قد تأتي هذه الإرشادات من مصادر مختلفة، بما في ذلك نموذج مستشار مثل BART أو BigBird، أو في وضع "الخبير المثالي" – من المُرجع. تُحقّق هذه الطريقة تحسينًا ملحوظًا في نقاط ROUGE على عدة معايير لملخصات المستندات الطويلة، ومنها PubMed وarXiv وGovReport. وبشكل خاص، يُظهر نموذجنا كفاءة عالية في التكيّف بين المجالات. فعند تدريبه فقط على عينات من PubMed، يحقق أداءً ممتازًا على arXiv بـ 46.29 نقطة ROUGE-1، مما يدل على أداء قوي ناتج عن مرونة أكبر في تكيّف الميزانية واختيار المحتوى الذي يقلّ تأثره بالهيكل النصي المُخصص للمجال.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp