論文の概要: GASP! Generating Abstracts of Scientific Papers from Abstracts of Cited
Papers
- arxiv url: http://arxiv.org/abs/2003.04996v1
- Date: Fri, 28 Feb 2020 14:58:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-28 02:23:59.168675
- Title: GASP! Generating Abstracts of Scientific Papers from Abstracts of Cited
Papers
- Title(参考訳): ガスプ!
引用論文の要約から科学論文の要約を生成する
- Authors: Fabio Massimo Zanzotto and Viviana Bono and Paola Vocca and Andrea
Santilli and Danilo Croce and Giorgio Gambosi and Roberto Basili
- Abstract要約: 本稿では,引用論文の要約(GASP)をテキスト・トゥ・テキスト・タスクとして,科学論文の要約を生成するという,新しい,科学的かつ哲学的な課題を紹介する。
- 参考スコア(独自算出の注目度): 9.472227971923672
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Creativity is one of the driving forces of human kind as it allows to break
current understanding to envision new ideas, which may revolutionize entire
fields of knowledge. Scientific research offers a challenging environment where
to learn a model for the creative process. In fact, scientific research is a
creative act in the formal settings of the scientific method and this creative
act is described in articles.
In this paper, we dare to introduce the novel, scientifically and
philosophically challenging task of Generating Abstracts of Scientific Papers
from abstracts of cited papers (GASP) as a text-to-text task to investigate
scientific creativity, To foster research in this novel, challenging task, we
prepared a dataset by using services where that solve the problem of copyright
and, hence, the dataset is public available with its standard split. Finally,
we experimented with two vanilla summarization systems to start the analysis of
the complexity of the GASP task.
- Abstract(参考訳): 創造性は人間の力の1つであり、現在の理解を破り、新しいアイデアを思い起こさせ、知識の分野全体に革命をもたらす可能性がある。
科学的研究は、創造的プロセスのモデルを学ぶための困難な環境を提供する。
実際、科学研究は科学的手法の正式な設定において創造的な行為であり、この創造的な行為は記事に記述されている。
本稿では,引用論文の要約(gasp)から科学論文の要約を生成するという新しい,科学的,哲学的に挑戦的なタスクを,科学的創造性を研究するためのテキストからテキストへのタスクとして紹介し,この新奇で挑戦的なタスクにおける研究を育成し,著作権の問題を解決するサービスを用いてデータセットを作成し,その標準分割によってデータセットを一般に公開する。
最後に,2つのバニラ要約システムを用いて,GASPタスクの複雑さの解析を開始した。
関連論文リスト
- Towards Controlled Table-to-Text Generation with Scientific Reasoning [46.87189607486007]
本稿では,科学的文書分析の自動化を目的とした,科学的データに対するユーザの嗜好に合致する,流動的で論理的な記述を生成するための新しいタスクを提案する。
学術文献から抽出したテーブル記述ペアからなる新しい挑戦的データセットSciTabを構築し,強調されたセルとそれに対応するドメイン固有知識ベースを構築した。
その結果、大規模なモデルでは、ユーザの好みに合わせて正確なコンテンツを生成するのに苦労していることがわかりました。
論文 参考訳(メタデータ) (2023-12-08T22:57:35Z) - Large Language Models for Automated Open-domain Scientific Hypotheses
Discovery [53.40975887946237]
本研究は,社会科学の学術的仮説発見のための最初のNLPデータセットを提案する。
最近のトップ50の社会科学出版物と生のウェブコーパスで構成されている。
最後の目標は、有効で斬新で有用な科学的仮説を自動的に生成するシステムを作ることだ。
論文 参考訳(メタデータ) (2023-09-06T05:19:41Z) - The Age of Synthetic Realities: Challenges and Opportunities [85.058932103181]
我々は、有害な合成生成を識別し、それらを現実と区別することのできる法医学的手法の開発における重要な必要性を強調した。
我々の焦点は、画像、ビデオ、オーディオ、テキストなどの様々なメディアの形式にまで及んでいる。
この研究は、AI生成技術の急速な進歩と、法科学の基本原理に対する影響により、最も重要である。
論文 参考訳(メタデータ) (2023-06-09T15:55:10Z) - SciMON: Scientific Inspiration Machines Optimized for Novelty [74.78803157606083]
文献に基づく新たな科学的方向を生成するために,ニューラルランゲージモデルを探索し,拡張する。
モデルが入力背景コンテキストとして使用される新しい設定で、劇的な出発をとっています。
本稿では,過去の科学的論文から「吸入」を抽出するモデリングフレームワークであるSciMONを紹介する。
論文 参考訳(メタデータ) (2023-05-23T17:12:08Z) - Detection of Fake Generated Scientific Abstracts [0.9525711971667679]
学術コミュニティは、現実と人工的に生成されたものとを区別することの難しさについて懸念を表明している。
本研究では,GPT-3モデルを用いて,人工知能による科学論文の要約を生成する。
本稿では,機械学習モデルと組み合わせたテキスト表現手法について検討する。
論文 参考訳(メタデータ) (2023-04-12T20:20:22Z) - CitationIE: Leveraging the Citation Graph for Scientific Information
Extraction [89.33938657493765]
引用論文と引用論文の参照リンクの引用グラフを使用する。
最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
論文 参考訳(メタデータ) (2021-06-03T03:00:12Z) - What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。
本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。
本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文 参考訳(メタデータ) (2020-11-06T02:23:01Z) - Semantic and Relational Spaces in Science of Science: Deep Learning
Models for Article Vectorisation [4.178929174617172]
我々は、自然言語処理(NLP)とグラフニューラルネットワーク(GNN)を用いて、記事の意味的・関係的な側面に基づく文書レベルの埋め込みに焦点を当てる。
論文のセマンティックな空間をNLPでエンコードできるのに対し、GNNでは研究コミュニティの社会的実践をエンコードするリレーショナルな空間を構築することができる。
論文 参考訳(メタデータ) (2020-11-05T14:57:41Z) - Generating Knowledge Graphs by Employing Natural Language Processing and
Machine Learning Techniques within the Scholarly Domain [1.9004296236396943]
本稿では、自然言語処理と機械学習を利用して研究論文から実体や関係を抽出する新しいアーキテクチャを提案する。
本研究では,現在最先端の自然言語処理ツールとテキストマイニングツールを用いて,知識抽出の課題に取り組む。
セマンティックWebドメイン内の論文26,827件から抽出した109,105件のトリプルを含む科学知識グラフを作成した。
論文 参考訳(メタデータ) (2020-10-28T08:31:40Z) - Positioning yourself in the maze of Neural Text Generation: A
Task-Agnostic Survey [54.34370423151014]
本稿では, ストーリーテリング, 要約, 翻訳など, 世代ごとのタスクインパクトをリレーする手法の構成要素について検討する。
本稿では,学習パラダイム,事前学習,モデリングアプローチ,復号化,各分野における重要な課題について,命令的手法の抽象化を提案する。
論文 参考訳(メタデータ) (2020-10-14T17:54:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。