LuanVan.vnLuận Văn
Gửi thư

Federated learning-based model for document summarization with limited samples

Luận văn · Thạc sĩ · năm 2025 · đề tài tham khảo

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhCông nghệ thông tin — Công nghệ thông tin
Tác giảTống Ngọc Anh
Người hướng dẫnNguyễn Phi Lê
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Đề xuất FedROUGE, một chiến lược tổng hợp mới trong học liên kết, kết hợp ROUGE và độ tương đồng ngữ nghĩa để điều chỉnh trọng số theo chất lượng dữ liệu. Phương pháp này giúp nhấn mạnh các bản cập nhật có giá trị, giảm nhiễu và tối ưu hiệu quả truyền thông thông qua cơ chế LoRA adapter. Thử nghiệm trên hai bộ dữ liệu GitSum và SQuALITY cho thấy FedROUGE vượt trội hơn các phương pháp truyền thống, đạt cải thiện 25% về ROUGE-2 trên GitSum và duy trì hiệu quả cạnh tranh trên SQuALITY. Kết quả khẳng định tầm quan trọng của cơ chế nhận thức chất lượng trong tăng cường tính bền vững và khả năng tổng quát của học liên kết dưới điều kiện dữ liệu không đồng nhất.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.