HyperAIHyperAI

Command Palette

Search for a command to run...

استرجاع، وإعادة ترتيب، وإعادة صياغة: تلخيص عصبي مبني على قوالب ناعمة

Furu Wei Ziqiang Cao Wenjie Li Sujian Li

الملخص

تعتمد معظم أنظمة التلخيص المبنية على نموذج التحويل التسلسلي (seq2seq) السابقة بشكل كامل على النص المصدري لإنشاء الملخصات، وهو ما يميل إلى أن يكون غير مستقر. مستوحاة من النماذج التقليدية القائمة على القوالب، تُقترح في هذه الورقة استخدام الملخصات الموجودة مسبقًا كقوالب لينة (soft templates) لتوجيه نموذج seq2seq. ولتحقيق ذلك، نستخدم منصة بحث معلوماتية (IR) شهيرة لاسترجاع ملخصات مناسبة كمرشحات قوالب محتملة. ثم نوسع إطار عمل seq2seq لإجراء التصنيف المُعاد للقوالب (template reranking) والكتابة المُعادّة للملخصات المعتمدة على القوالب (Rewriting) بشكل مشترك. تُظهر التجارب أن نموذجنا يتفوّق بشكل ملحوظ على أحدث الأساليب من حيث المحتوى المعلوماتي، حتى تُظهر القوالب اللينة نفسها تنافسية عالية. علاوة على ذلك، فإن دمج الملخصات الخارجية عالية الجودة يُحسّن استقرار ووضوح الملخصات المُولَّدة.


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