文件名称：使用机器学习和深度学习技术的抽象总结模型的调查-研究论文
文件大小：884KB
文件格式：PDF
更新时间：2024-06-09 10:49:37
Recurrent Neural Network - LSTM
ive总结模型在过去的几年中越来越受欢迎，尤其是顺序模型引起了人们的关注。 随着数据的增加，汇总数据至关重要。 本文针对给定的任务提供了各种技术，并生成了摘要。 编码器和解码器单元将以适当的方式进行说明，并进行特殊添加以增强模型的性能。 在持续的十年中出现了排列模型的继任之后，在特征性语言准备中利用深层学习结构进入了另一个时代。 这些模型平方测量主要在少数重复的神经网络上支持，这些神经网络在编码器解码器设计中连接输入和相关的输出信息。 通过将注意机制添加到RNN层，可以想象得到更好的结果。 基于Transformer的模型在解释方面比过去的同类最佳模型好。