Automatikus összefoglaló generálás magyar nyelvre BERT modellel

Cikkünkben különböző automatikus magyar nyelvű összefoglalást generáló neurális modelleket mutatunk be. Kétféle összefoglaló módszert különböztetünk meg. Az első módszer az absztraktív, amely a meglévő szövegből kinyeri a hasznos információt, majd erre támaszkodva próbál értelmes összefoglaló szöveg...

Teljes leírás

Elmentve itt :
Bibliográfiai részletek
Szerzők: Yang Zijian Győző
Perlaki Attila
Laki László János
Testületi szerző: Magyar Számítógépes Nyelvészeti Konferencia (16.) (2020) (Szeged)
Dokumentumtípus: Könyv része
Megjelent: 2020
Sorozat:Magyar Számítógépes Nyelvészeti Konferencia 16
Kulcsszavak:Nyelvészet - számítógép alkalmazása
Online Access:http://acta.bibl.u-szeged.hu/67658
LEADER 01853naa a2200229 i 4500
001 acta67658
005 20260224081030.0
008 200505s2020 hu o 100 hun d
020 |a 978-963-306-719-2 
040 |a SZTE Egyetemi Kiadványok Repozitórium  |b hun 
041 |a hun 
100 2 |a Yang Zijian Győző 
245 1 0 |a Automatikus összefoglaló generálás magyar nyelvre BERT modellel  |h [elektronikus dokumentum] /  |c  Yang Zijian Győző 
260 |c 2020 
300 |a 343-353 
490 0 |a Magyar Számítógépes Nyelvészeti Konferencia  |v 16 
520 3 |a Cikkünkben különböző automatikus magyar nyelvű összefoglalást generáló neurális modelleket mutatunk be. Kétféle összefoglaló módszert különböztetünk meg. Az első módszer az absztraktív, amely a meglévő szövegből kinyeri a hasznos információt, majd erre támaszkodva próbál értelmes összefoglaló szöveget generálni. A másik módszer az extraktív, melynek lényege, hogy a meglévő szövegből azokat a mondatokat vagy kifejezéseket nyeri ki, amelyek leginkább leírják a szöveg tartalmi lényegét. A rendszer a kinyert szövegrészeket használja fel összefoglalóként. Kutatásunkban a „state-of-the-art” nyelvi reprezentációs modellnek számító BERT modellt használtuk. A rendszer tanításához különböző neurális modelleket alkalmaztunk. Extraktív összefoglaláshoz kipróbáltunk egy lineáris osztályozó, egy RNN és egy Transformer modellt. Az absztraktív modell tanításához Transformer modellt használtunk. 
695 |a Nyelvészet - számítógép alkalmazása 
700 0 1 |a Perlaki Attila  |e aut 
700 0 1 |a Laki László János  |e aut 
710 |a Magyar Számítógépes Nyelvészeti Konferencia (16.) (2020) (Szeged) 
856 4 0 |u http://acta.bibl.u-szeged.hu/67658/1/msznykonf_016_343-353.pdf  |z Dokumentum-elérés