دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Parth Mehta. Prasenjit Majumder
سری:
ISBN (شابک) : 9811389330, 9789811389337
ناشر: Springer
سال نشر: 2019
تعداد صفحات: 120
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 Mb
در صورت تبدیل فایل کتاب From Extractive to Abstractive Summarization: A Journey به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب از خلاصه سازی استخراجی به انتزاعی: یک سفر نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب پیشرفتهای اخیر در خلاصهسازی متن را توصیف میکند، شکافها و چالشهای باقیمانده را شناسایی میکند و راههایی برای غلبه بر آنها پیشنهاد میکند. این مقاله با یکی از متداولترین موضوعات مورد بحث در خلاصهسازی متن - "استخراج جمله" - شروع میشود، اثربخشی تکنیکهای فعلی در خلاصهسازی متن خاص دامنه را بررسی میکند و چندین پیشرفت را پیشنهاد میکند. این کتاب به نوبه خود کاربرد خلاصه نویسی را در حوزه های حقوقی و علمی توصیف می کند و دو مجموعه جدید را که شامل بیش از 100 هزار حکم دادگاه و بیش از 20 هزار مقاله علمی است، با خلاصه های دستی متناظر توصیف می کند. در دسترس بودن این مجموعههای مقیاس بزرگ امکان استفاده از روشهای مبتنی بر دادهمحور رایج بر اساس یادگیری عمیق را باز میکند. سپس این کتاب اثربخشی روشهای استخراج جملات عصبی را برجسته میکند، که به همان خوبی روشهای مبتنی بر قانون عمل میکنند، اما بدون نیاز به حاشیهنویسی دستی. به عنوان گام بعدی، تکنیکهای متعددی برای ایجاد مجموعههایی از استخراجکنندههای جمله - که خلاصههای بهتر و قویتری ارائه میدهند - پیشنهاد میشوند. در پایان، کتاب یک مدل مبتنی بر شبکه عصبی برای فشرده سازی جمله ارائه می دهد. به طور کلی، کتاب خوانندگان را به سفری می برد که با استخراج جملات ساده آغاز می شود و به خلاصه انتزاعی ختم می شود، در حالی که موضوعات کلیدی مانند تکنیک های مجموعه و خلاصه سازی خاص حوزه را نیز پوشش می دهد، که پیش از این به تفصیل مورد بررسی قرار نگرفته اند.
This book describes recent advances in text summarization, identifies remaining gaps and challenges, and proposes ways to overcome them. It begins with one of the most frequently discussed topics in text summarization – ‘sentence extraction’ –, examines the effectiveness of current techniques in domain-specific text summarization, and proposes several improvements. In turn, the book describes the application of summarization in the legal and scientific domains, describing two new corpora that consist of more than 100 thousand court judgments and more than 20 thousand scientific articles, with the corresponding manually written summaries. The availability of these large-scale corpora opens up the possibility of using the now popular data-driven approaches based on deep learning. The book then highlights the effectiveness of neural sentence extraction approaches, which perform just as well as rule-based approaches, but without the need for any manual annotation. As a next step, multiple techniques for creating ensembles of sentence extractors – which deliver better and more robust summaries – are proposed. In closing, the book presents a neural network-based model for sentence compression. Overall the book takes readers on a journey that begins with simple sentence extraction and ends in abstractive summarization, while also covering key topics like ensemble techniques and domain-specific summarization, which have not been explored in detail prior to this.