Full metadata record
DC FieldValueLanguage
dc.contributor.authorГлазкова А. В.
dc.contributor.authorМорозов Д. А.
dc.coverage.spatialBART
dc.coverage.spatialгенерация текста
dc.coverage.spatialавтоматическое реферирование текстов
dc.coverage.spatialмногозадачное обучение
dc.coverage.spatialключевые слова
dc.coverage.spatialобработка естественного языка
dc.coverage.spatialнаучный текст
dc.creatorГлазкова А. В., Морозов Д. А.
dc.date2023
dc.date.accessioned2025-08-22T12:19:54Z-
dc.date.available2025-08-22T12:19:54Z-
dc.date.issued2023
dc.identifier.identifierRU\НТБ СГАУ\541245
dc.identifier.citationГлазкова, А. В. Многозадачное дообучение для генерации ключевых слов к научным текстам / А. В. Глазкова, Д. А. Морозов // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Т. 4: Искусственный интеллект / под. ред. А. В. Никонорова. - 2023. - С. 040872.
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/12887-
dc.description.abstractВ работе исследуется эффективность использования заголовков научных текстов в качестве дополнительной информации при обучении модели генерации списка ключевых слов. Описывается подход к многозадачному дообучению (multi-task fine-tuning) модели BART с помощью управляющих кодов. Показано, что данный подход позволяет улучшить качество BART, обученной для решения только одной задачи. Кроме того, в ряде случаев представленная многозадачная модель превосходит другие современные модели извлечения ключевых слов.
dc.languagerus
dc.relation.ispartofИнформационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6
dc.sourceИнформационные технологии и нанотехнологии (ИТНТ-2023). - Т. 4 : Искусственный интеллект
dc.subjectBART
dc.subjectгенерация текста
dc.subjectавтоматическое реферирование текстов
dc.subjectмногозадачное обучение
dc.subjectключевые слова
dc.subjectобработка естественного языка
dc.subjectнаучный текст
dc.titleМногозадачное дообучение для генерации ключевых слов к научным текстам
dc.typeText
dc.citation.spage040872
dc.citation.volume4
local.contributor.authorГлазкова А. В.
local.contributor.authorМорозов Д. А.
local.identifier.oldurihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Mnogozadachnoe-doobuchenie-dlya-generacii-kluchevyh-slov-k-nauchnym-tekstam-105729
local.identifier.oldurihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Mnogozadachnoe-doobuchenie-dlya-generacii-kluchevyh-slov-k-nauchnym-tekstam-105729
Appears in Collections:Информационные технологии и нанотехнологии

Files in This Item:
File SizeFormat 
978-5-7883-1920-9_2023-040872.pdf232.41 kBAdobe PDFView/Open


Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.