LuanVan.vnLuận Văn
Gửi thư

TEXT SUMMARIZATION USING BART WITH DEEP ATTENTION

Khoá luận tốt nghiệp · Đại học · năm 2023 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảNguyễn Khánh Vinh
Người hướng dẫnLâm Nhựt Khang
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2023
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Automatic text summarization is a pivotal facet of Natural Language Processing (NLP) and Artificial Intelligence (AI), seeking to distill essential information while preserving the core meaning of the original text. In this study, the Bart model, a stateof-the-art transformer-based architecture designed for sequence-to-sequence tasks, was harnessed to explore its efficacy in conjunction with the CNN Dailymail dataset – a widely adopted benchmark for text summarization, comprising news articles paired with human-generated summaries. The experiments yielded compelling results, showcasing the Bart model's commendable performance. Through fine-tuning on the CNN Dailymail dataset, the model demonstrated a remarkable ability to generate coherent and informative summaries. Notably, it successfully captured salient details while maintaining contextual coherence, underscoring its efficacy in real-world summarization scenarios. This research contributes to advancing automatic text summarization by highlighting the successful integration of the Bart model with a highquality dataset, emphasizing the importance of robust models and datasets for training effective summarization systems in an era dominated by information overload.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

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.