งานวิจัยเรื่อง Comparative Study on Automated Reference Summary Generation Using BERT Models and ROUGE Score Assessmente โดย ดร.ณัฐพงษ์ แสนจันทร์ คณะเทคโนโลยีสารสนเทศและนวัตกรรม
งานวิจัยนี้ได้เสนอกรอบการทำงาน Auto-Ref Summary Generation สำหรับการสร้างสรุปอ้างอิงอัตโนมัติที่ใช้ในงานประเมินการสรุปข้อความทั่วไป โดยวิธีการ “Sliced Summary” โดยใช้ชุดของคลัสเตอร์จากชุดข้อมูลที่มีป้ายกำกับ (cluster ground-truth label dataset) และใช้โมเดล BERT แบบต่าง ๆ เพื่อสร้างตัวแทนของคลัสเตอร์ (cluster representations) จากนั้นจึงสร้างสรุปอ้างอิงอัตโนมัติผ่านวิธีการสรุปที่อิงกับเซนทรอยด์ (centroid-based summarization) โดยรวมแล้ว โมเดล DistilBERT, ROBERTa และ SBERT มีบทบาทสำคัญในการสร้างสรุปอัตโนมัติ และสามารถบรรลุค่า ROUGE-1 สูงสุดที่ 0.47060 อย่างไรก็ตาม ผลลัพธ์ที่ได้ยังไม่เป็นไปตามความคาดหวังในด้านความสอดคล้องของข้อความและความสามารถในการอ่าน แม้ว่าบทสรุปที่สร้างขึ้นผ่านกรอบการทำงานที่นำเสนอจะยังไม่สามารถใช้แทนบทสรุปที่สร้างด้วยมือได้ แต่การศึกษานี้ได้เปิดมุมมองใหม่เกี่ยวกับการสร้างสรุปอ้างอิงอัตโนมัติจากชุดข้อมูลที่มีป้ายกำกับ
ข้อมูลในส่วนนี้สงวนสิทธิ์ไว้เฉพาะบุคลากรมหาวิทยาลัยกรุงเทพ
กรุณากรอก Username ของท่าน โดยไม่ต้องตามด้วย @bumail.net หรือ @bu.ac.th
Sign in with your BU email without @bumail.net or @bu.ac.th