Dec, 2022

应用基于深度学习的方法实现印度语言文章摘要

PDF
TL;DR本文介绍了使用不同的预训练 seq2seq 模型在 ILSUM 2022 数据集上微调的结果，其中使用 PEGASUS 模型得到了最佳的英文结果，使用具有增强数据的 IndicBART 模型得到了最佳的印地语结果，并使用转换映射为基础的方法对瓜拉提语进行了微调并重新运行了 PEGASUS 模型，使用 ROUGE-1、ROUGE-2 和 ROUGE-4 作为评估度量方法进行了推理成果的评估。
发现论文，激发创造
  • 使用预训练序列到序列模型进行印度语文摘要

    本研究主要关注以预训练序列到序列模型为基础进行文本摘要的任务，研究内容涉及英语、印地语和古吉拉特语。我们尝试了多种模型，对不同模型在三个子任务上的效果进行了对比，同时对数据大小和过滤对模型效果的影响进行了分析。研究发现在有限的数据大小下，k 折交叉验证可以显著提高模型效果。

    Mar, 2023

  • 使用多语言变压器模型对印度语言进行摘要

    本研究采用 IndicBART 和 mT5 模型，研究它们在印度语言数据集上的摘要性能，结果以 ROUGE-1、ROUGE-2、ROUGE-3 和 ROUGE-4 分数为性能指标。

    Mar, 2023

  • 利用预训练语言模型进行低资源摘要

    利用自注意力变换器模型（mBERT, mT5）以及构建新的基准数据集（76.5k 的文章摘要对），在资源有限的语言乌尔都语中，提出了一个自适应低资源摘要方法，能够有效地捕捉低资源语言的上下文信息并取得与英文高资源语言中最先进模型相媲美的评估结果。

    Oct, 2023

  • IndoSum: 一种新的印尼文本摘要基准数据集

    本文介绍了 IndoSum，一个新的印度尼西亚文本摘要基准数据集，采用新闻文章和手动构建的摘要，该数据集是先前相同领域的数据集的近 200 倍，使用各种抽取式摘要方法进行了评估，获得了令人鼓舞的结果，为未来研究提供了基准。

    Oct, 2018

  • 基于文本规范化的印度法律文本摘要方法

    该研究提出了一种在印度法律文本中标准化文本的方法，并测试了两种最先进的专业无关模型用于法律文本摘要。通过领域专家的评估和 ROUGE 指标的使用，结果表明所提出的文本标准化方法在专业无关模型中的效果很好。

    Jun, 2022

  • 用于文本摘要的印度语言数据集概述

    我们对印度语言中的文本摘要（TS）数据集进行了调查，结果发现由于缺乏专门的论坛和共享标准数据集，印度语言中的 TS 数据集数量相对较少，资源匮乏是一个问题。

    Mar, 2022

  • PMIndiaSum: 面向印度的多语和跨语言头条摘要

    本文介绍了 PMIndiaSum，一个针对印度语言的多语言和大规模并行的标题摘要语料库，并为单语、跨语言和多语言摘要提供了基准和数据测试。

    May, 2023

  • San-BERT: 使用 BERT 及其变体进行梵文文档的摘要提取

    研究人员使用 Sanskrit 语文本语料库开发了 Sanskrit 语言模型 BERT、ALBERT 和 RoBERTa，并从中提取特征，应用维度降低和聚类技术生成了给定文本的摘要，并公开了一个 Sanskrit Devanagari 文本语料库。

    Apr, 2023

  • Liputan6：一个用于文本摘要的大规模印度尼西亚数据集

    本文介绍了一个大规模印尼文摘要数据集，使用预训练语言模型开发了基于 BERT 多语言和单语言的抽取式、生成式摘要方法，并通过对 ROUGE 得分较低的机器生成摘要进行了彻底的误差分析，揭示了 ROUGE 本身以及抽取式、生成式摘要模型的问题。

    Nov, 2020

  • 使用预训练模型的抽象文本摘要分析

    本文评估了不同预训练模型在不同数据集上的文本摘要效果，通过 ROUGE 和 BLEU 指标比较了三种不同预训练模型在 CNN-dailymail、SAMSum 和 BillSum 三个数据集上的性能表现。

    Feb, 2023