Fugu-MT 論文翻訳(概要): Aspect and Opinion Aware Abstractive Review Summarization with Reinforced Hard Typed Decoder

論文の概要: Aspect and Opinion Aware Abstractive Review Summarization with Reinforced Hard Typed Decoder

arxiv url: http://arxiv.org/abs/2004.05755v1
Date: Mon, 13 Apr 2020 03:35:29 GMT
ステータス: 処理完了
システム内更新日: 2022-12-13 23:35:18.464788
Title: Aspect and Opinion Aware Abstractive Review Summarization with Reinforced Hard Typed Decoder
Title（参考訳）: 強化型ハード型デコーダによる抽象的レビューの要約
Authors: Yufei Tian, Jianfei Yu, Jing Jiang
Abstract要約: 本稿では,まず3つの型から出力語型を予測し,次に予測語型を利用して最終単語分布を生成する2段階強化学習手法を提案する。 Amazon製品レビューデータセットの2つの結果から、ROUGEスコアに基づいた強力なベースラインアプローチを一貫して上回ります。
参考スコア（独自算出の注目度）: 18.894655634326423
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we study abstractive review summarization.Observing that review summaries often consist of aspect words, opinion words and context words, we propose a two-stage reinforcement learning approach, which first predicts the output word type from the three types, and then leverages the predicted word type to generate the final word distribution.Experimental results on two Amazon product review datasets demonstrate that our method can consistently outperform several strong baseline approaches based on ROUGE scores.
Abstract（参考訳）: In this paper, we study abstractive review summarization.Observing that review summaries often consist of aspect words, opinion words and context words, we propose a two-stage reinforcement learning approach, which first predicts the output word type from the three types, and then leverages the predicted word type to generate the final word distribution.Experimental results on two Amazon product review datasets demonstrate that our method can consistently outperform several strong baseline approaches based on ROUGE scores.

関連論文リスト

ASTE Transformer Modelling Dependencies in Aspect-Sentiment Triplet Extraction [2.07180164747172]
Aspect-Sentiment Triplet extract (ASTE) は、ある文から三重項(アスペクトフレーズ、意見フレーズ、感情極性)を抽出するタスクである。最近の最先端手法は、まず与えられた文から可能な全てのスパンを抽出することで、このタスクにアプローチする。
論文参考訳（メタデータ） (2024-09-23T16:49:47Z)
Hierarchical Indexing for Retrieval-Augmented Opinion Summarization [60.5923941324953]
本稿では,抽出アプローチの帰属性と拡張性と,大規模言語モデル(LLM)の一貫性と拡散性を組み合わせた,教師なし抽象的意見要約手法を提案する。我々の方法であるHIROは、意味的に整理された離散的な階層を通して文を経路にマッピングするインデックス構造を学習する。推測時にインデックスを投入し、入力レビューから人気意見を含む文群を識別し、検索する。
論文参考訳（メタデータ） (2024-03-01T10:38:07Z)
How Well Do Text Embedding Models Understand Syntax? [50.440590035493074]
テキスト埋め込みモデルが幅広い構文的文脈にまたがって一般化する能力は、まだ解明されていない。その結果,既存のテキスト埋め込みモデルは,これらの構文的理解課題に十分対応していないことが明らかとなった。多様な構文シナリオにおけるテキスト埋め込みモデルの一般化能力を高めるための戦略を提案する。
論文参考訳（メタデータ） (2023-11-14T08:51:00Z)
Simple Yet Effective Synthetic Dataset Construction for Unsupervised Opinion Summarization [28.52201592634964]
本稿では、アスペクト特化と一般的な意見要約の両方を生成するための、単純で効果的な教師なしの2つのアプローチを提案する。最初のアプローチであるSed Words Based Leave-One-Out (SW-LOO) は、正確にマッチングされたアスペクトシードワードによって、アスペクト関連のレビューを識別する。第2のアプローチであるNLI-LOO(Natural Language Inference Based Leave-One-Out)では、NLIモデルを用いたアスペクト関連文を、シード語を使わずにより一般的な設定で識別する。
論文参考訳（メタデータ） (2023-03-21T08:08:04Z)
Prompted Opinion Summarization with GPT-3.5 [115.95460650578678]
GPT-3.5モデルは人体評価において非常に高い性能を示す。我々は,標準評価指標がこれを反映していないことを論じ,忠実性,事実性,汎用性を重視した3つの新しい指標を導入する。
論文参考訳（メタデータ） (2022-11-29T04:06:21Z)
Controllable Abstractive Dialogue Summarization with Sketch Supervision [56.59357883827276]
本モデルは,最大50.79のROUGE-Lスコアを持つ最大対話要約コーパスSAMSumの最先端性能を実現する。
論文参考訳（メタデータ） (2021-05-28T19:05:36Z)
The Factual Inconsistency Problem in Abstractive Text Summarization: A Survey [25.59111855107199]
Seq2Seqフレームワークによって開発されたニューラルエンコーダデコーダモデルは、より抽象的な要約を生成するという目標を達成するために提案されている。高いレベルでは、そのようなニューラルネットワークは、使用される単語やフレーズに制約を加えることなく、自由に要約を生成することができる。しかし、神経モデルの抽象化能力は二重刃の剣である。
論文参考訳（メタデータ） (2021-04-30T08:46:13Z)
Hierarchical Bi-Directional Self-Attention Networks for Paper Review Rating Recommendation [81.55533657694016]
本稿では,階層型双方向自己注意ネットワークフレームワーク(HabNet)を提案する。具体的には、文エンコーダ(レベル1)、レビュー内エンコーダ(レベル2)、レビュー間エンコーダ(レベル3)の3つのレベルで、論文レビューの階層構造を利用する。我々は、最終的な受理決定を行う上で有用な予測者を特定することができ、また、数値的なレビュー評価とレビュアーが伝えるテキストの感情の不整合を発見するのに役立てることができる。
論文参考訳（メタデータ） (2020-11-02T08:07:50Z)
A Multi-task Learning Framework for Opinion Triplet Extraction [24.983625011760328]
本稿では,意見三重項抽出課題としてのABSAの新たな視点について述べる。アスペクト項と意見項を協調的に抽出するマルチタスク学習フレームワークを提案する。提案するフレームワークを,ASBAの4つのSemEvalベンチマークで評価する。
論文参考訳（メタデータ） (2020-10-04T08:31:54Z)
A Unified Dual-view Model for Review Summarization and Sentiment Classification with Inconsistency Loss [51.448615489097236]
ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
論文参考訳（メタデータ） (2020-06-02T13:34:11Z)
SueNes: A Weakly Supervised Approach to Evaluating Single-Document Summarization via Negative Sampling [25.299937353444854]
本研究は,参照要約の存在を伴わない,弱教師付き要約評価手法に対する概念実証研究である。既存の要約データセットの大量データは、文書と破損した参照要約とのペアリングによってトレーニングのために変換される。
論文参考訳（メタデータ） (2020-05-13T15:40:13Z)

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。