論文の概要: Self-Supervised and Controlled Multi-Document Opinion Summarization

• arxiv url: http://arxiv.org/abs/2004.14754v2
• Date: Fri, 1 May 2020 00:26:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 03:02:39.652424
• Title: Self-Supervised and Controlled Multi-Document Opinion Summarization
• Title（参考訳）: 自己監督型および制御型マルチドキュメントオピニオン要約
• Authors: Hady Elsahar, Maximin Coavoux, Matthias Gall\'e, Jos Rozen
• Abstract要約: そこで本稿では,個々の文書を類似文書の集合のターゲット要約とする自己教師型セットアップを提案する。 制御符号を用いて幻覚の問題に対処する。 グラフベースと最近のニューラル抽象的教師なしモデルに対する2つのデータセットのベンチマークでは,提案手法が優れた品質と妥当性を持つ要約を生成することが示された。
• 参考スコア（独自算出の注目度）: 16.674646504295687
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We address the problem of unsupervised abstractive summarization of collections of user generated reviews with self-supervision and control. We propose a self-supervised setup that considers an individual document as a target summary for a set of similar documents. This setting makes training simpler than previous approaches by relying only on standard log-likelihood loss. We address the problem of hallucinations through the use of control codes, to steer the generation towards more coherent and relevant summaries.Finally, we extend the Transformer architecture to allow for multiple reviews as input. Our benchmarks on two datasets against graph-based and recent neural abstractive unsupervised models show that our proposed method generates summaries with a superior quality and relevance.This is confirmed in our human evaluation which focuses explicitly on the faithfulness of generated summaries We also provide an ablation study, which shows the importance of the control setup in controlling hallucinations and achieve high sentiment and topic alignment of the summaries with the input reviews.
• Abstract（参考訳）: 本稿では,自己監督と制御によるユーザ生成レビューの集合の教師なし抽象的要約の問題に対処する。 そこで本稿では,個々の文書を類似文書の集合のターゲット要約とする自己教師型セットアップを提案する。 この設定は、標準的なログライクな損失にのみ依存することで、従来のアプローチよりも簡単なトレーニングを実現する。 我々は,制御符号の使用による幻覚の問題に対処し,よりコヒーレントで関連する要約を生成に向ける。最後に,複数のレビューを入力として,トランスフォーマーアーキテクチャを拡張する。 グラフベースおよび近年のニューラル抽象的非教師付きモデルに対する2つのデータセットに対するベンチマークでは,提案手法が優れた品質と妥当性を持つ要約を生成することを示すとともに,生成された要約の忠実性に着目した人間評価において,幻覚制御における制御設定の重要性を示し,要約と入力レビューの高感とトピックアライメントを実現する。

関連論文リスト

• SummIt: Iterative Text Summarization via ChatGPT [12.966825834765814]
  本稿では,ChatGPTのような大規模言語モデルに基づく反復的なテキスト要約フレームワークSummItを提案する。 我々のフレームワークは、自己評価とフィードバックによって生成された要約を反復的に洗練することを可能にする。 また, 繰り返し改良の有効性を検証し, 過補正の潜在的な問題を特定するために, 人間の評価を行う。
  論文  参考訳（メタデータ） (2023-05-24T07:40:06Z)
• Improving the Faithfulness of Abstractive Summarization via Entity Coverage Control [27.214742188672464]
  エンティティカバレッジ制御(ECC)を用いたエンティティレベルの幻覚の治療法を提案する。 ECCはエンティティカバレッジの精度を計算し、トレーニング例ごとに対応する制御コードをプリペンドする。 提案手法は,教師付き微調整およびゼロショット設定において,より忠実かつ健全な抽象的要約をもたらすことを示す。
  論文  参考訳（メタデータ） (2022-07-05T18:52:19Z)
• EntSUM: A Data Set for Entity-Centric Summarization [27.845014142019917]
  制御可能な要約は、ユーザが指定した側面や好みを考慮に入れた要約を提供することを目的としている。 本稿では、制御可能な要約のための人間アノテーション付きデータセットsetSUMを紹介し、制御の側面として名前付きエンティティに焦点を当てる。
  論文  参考訳（メタデータ） (2022-04-05T13:45:54Z)
• Unsupervised Summarization with Customized Granularities [76.26899748972423]
  本稿では,最初の教師なし多粒度要約フレームワークであるGranuSumを提案する。 異なる数のイベントを入力することで、GranuSumは教師なしの方法で複数の粒度のサマリーを生成することができる。
  論文  参考訳（メタデータ） (2022-01-29T05:56:35Z)
• Aspect-Controllable Opinion Summarization [58.5308638148329]
  アスペクトクエリに基づいてカスタマイズした要約を生成する手法を提案する。 レビューコーパスを用いて、アスペクトコントローラで強化された(リビュー、サマリ)ペアの合成トレーニングデータセットを作成する。 合成データセットを用いて事前学習したモデルを微調整し、アスペクトコントローラを変更することでアスペクト固有の要約を生成する。
  論文  参考訳（メタデータ） (2021-09-07T16:09:17Z)
• 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)
• CTRLsum: Towards Generic Controllable Text Summarization [54.69190421411766]
  現在、制御可能な要約のための新しいフレームワークである。 本手法により,ユーザは要約システムと対話することで,生成された要約の複数の側面を制御できる。 単一の統一モデルを使用することで、sumは推論時に要約操作の幅広い範囲を達成できる。
  論文  参考訳（メタデータ） (2020-12-08T08:54:36Z)
• Few-Shot Learning for Opinion Summarization [117.70510762845338]
  オピニオン要約は、複数の文書で表現された主観的な情報を反映したテキストの自動生成である。 本研究では,要約テキストの生成をブートストラップするのには,少数の要約でも十分であることを示す。 提案手法は, 従来の抽出法および抽象法を, 自動的, 人的評価において大きく上回っている。
  論文  参考訳（メタデータ） (2020-04-30T15:37:38Z)
• Unsupervised Opinion Summarization with Noising and Denoising [85.49169453434554]
  ユーザレビューのコーパスから合成データセットを作成し、レビューをサンプリングし、要約のふりをして、ノイズのあるバージョンを生成します。 テスト時に、モデルは本物のレビューを受け入れ、健全な意見を含む要約を生成し、合意に達しないものをノイズとして扱います。
  論文  参考訳（メタデータ） (2020-04-21T16:54:57Z)

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。