Fugu-MT 論文翻訳(概要): From Arguments to Key Points: Towards Automatic Argument Summarization

論文の概要: From Arguments to Key Points: Towards Automatic Argument Summarization

arxiv url: http://arxiv.org/abs/2005.01619v2
Date: Tue, 9 Jun 2020 19:21:17 GMT
ステータス: 処理完了
システム内更新日: 2022-12-07 00:45:42.916134
Title: From Arguments to Key Points: Towards Automatic Argument Summarization
Title（参考訳）: 引数からキーポイントへ:自動引数要約に向けて
Authors: Roy Bar-Haim, Lilach Eden, Roni Friedman, Yoav Kantor, Dan Lahav, Noam Slonim
Abstract要約: 1トピックあたりのキーポイントの数は、たいていの場合、議論の大部分をカバーするのに十分であることを示す。さらに、ドメインの専門家が事前にこれらのキーポイントを予測できることがわかりました。
参考スコア（独自算出の注目度）: 17.875273745811775
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Generating a concise summary from a large collection of arguments on a given topic is an intriguing yet understudied problem. We propose to represent such summaries as a small set of talking points, termed "key points", each scored according to its salience. We show, by analyzing a large dataset of crowd-contributed arguments, that a small number of key points per topic is typically sufficient for covering the vast majority of the arguments. Furthermore, we found that a domain expert can often predict these key points in advance. We study the task of argument-to-key point mapping, and introduce a novel large-scale dataset for this task. We report empirical results for an extensive set of experiments with this dataset, showing promising performance.
Abstract（参考訳）: 与えられたトピックに関する議論の大規模なコレクションから簡潔な要約を生成することは、興味深いが未熟な問題である。このような要約を,「キーポイント」と呼ばれる会話点の小さな集合として表現することを提案する。群集に分散した議論の大規模なデータセットを解析することにより,話題ごとのキーポイントの数が少なければ,ほとんどの議論をカバーするのに十分であることを示す。さらに、ドメインの専門家が事前にこれらのキーポイントを予測できることも分かりました。本稿では,引数対キーポイントマッピングの課題について検討し,この課題に対して新たな大規模データセットを提案する。我々は,このデータセットを用いた広範囲な実験の結果を報告し,有望な性能を示す。

関連論文リスト

Overview of PerpectiveArg2024: The First Shared Task on Perspective Argument Retrieval [56.66761232081188]
本稿では,社会における少数派・多数派を代表する年齢,性別,政治的態度など,人口・社会文化(社会)の多様性を包括する新しいデータセットを提案する。パースペクティビズムを取り入れる上での重大な課題は、特に社会的なプロファイルを明示的に提供せずに、議論のテキストのみに基づくパーソナライズを目指す場合である。パーソナライズと分極の低減を図るため, パーソナライズを最適化するためには, パーソナライズされた論証検索をブートストラップするが, さらなる研究が不可欠である。
論文参考訳（メタデータ） (2024-07-29T03:14:57Z)
Enhancing Argument Summarization: Prioritizing Exhaustiveness in Key Point Generation and Introducing an Automatic Coverage Evaluation Metric [3.0754290232284562]
キーポイント分析(KPA)タスクは、引数の集合のまとめを表すものとして引数の要約を定式化する。キーポイント生成(KPG)と呼ばれるKPAのサブタスクは、引数からこれらのキーポイントを生成することに焦点を当てている。本稿では,キーポイント生成のための新しい抽出手法を提案する。
論文参考訳（メタデータ） (2024-04-17T23:00:29Z)
Exploring Key Point Analysis with Pairwise Generation and Graph Partitioning [61.73411954056032]
キーポイント分析(KPA)は、議論採掘の分野において重要な未解決問題であり続けている。ペア生成とグラフ分割を併用したKPAの新しい手法を提案する。
論文参考訳（メタデータ） (2024-04-17T13:44:29Z)
On Context Utilization in Summarization with Large Language Models [83.84459732796302]
大きな言語モデル(LLM)は抽象的な要約タスクに優れ、流動的で関連する要約を提供する。最近の進歩は、100kトークンを超える長期入力コンテキストを扱う能力を拡張している。要約における文脈利用と位置バイアスに関する最初の総合的研究を行う。
論文参考訳（メタデータ） (2023-10-16T16:45:12Z)
Diversity Over Size: On the Effect of Sample and Topic Sizes for Topic-Dependent Argument Mining Datasets [49.65208986436848]
本研究では,アーギュメント・マイニング・データセットの構成が,少数・ゼロショット設定における影響について検討する。実験結果から, モデル性能の達成には微調整が必須であるが, 慎重に構成したトレーニングサンプルを用いることで, トレーニングサンプルサイズを最大90%まで下げることで, 最大性能の95%を達成できることがわかった。
論文参考訳（メタデータ） (2022-05-23T17:14:32Z)
Key Point Analysis via Contrastive Learning and Extractive Argument Summarization [26.104816072770305]
本稿では,第8回Argument Miningワークショップと連携して,キーポイント分析共有タスクに対する提案手法を提案する。 1つのコンポーネントは、キーポイントに引数をマッチングするために、シアムニューラルネットワークを介して対照的な学習を採用する。自動評価と手動評価の両方において,提案手法は共有タスクに対する全ての提案の中で最良であった。
論文参考訳（メタデータ） (2021-09-30T12:54:26Z)
ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive Summarization with Argument Mining [61.82562838486632]
我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
論文参考訳（メタデータ） (2021-06-01T22:17:13Z)
Unsupervised Summarization for Chat Logs with Topic-Oriented Ranking and Context-Aware Auto-Encoders [59.038157066874255]
本稿では,手動ラベル付きデータを用いずにチャット要約を行うrankaeという新しいフレームワークを提案する。 RankAEは、中心性と多様性に応じてトピックの発話を同時に選択するトピック指向のランキング戦略で構成されています。消音自動エンコーダは、選択された発話に基づいて簡潔でコンテキスト情報に基づいた要約を生成するように設計されています。
論文参考訳（メタデータ） (2020-12-14T07:31:17Z)
Aspect-Based Argument Mining [2.3148470932285665]
Aspect-Based Argument Mining (ABAM) の課題として,Aspect Term extract (ATE) と Nested Term extract (NS) の基本的なサブタスクについて述べる。私たちはアスペクトをメインポイント(s)引数ユニットが対処していると見なしています。この情報は、議論のランク付け、議論の要約、生成などの下流タスクや、アスペクトレベルの逆問題探索に重要である。
論文参考訳（メタデータ） (2020-11-01T21:57:51Z)
Quantitative Argument Summarization and Beyond: Cross-Domain Key Point Analysis [17.875273745811775]
完全自動解析が可能なキーポイントの自動抽出法を開発した。キーポイント解析の適用性は議論データを超えていることを実証する。さらなる貢献は、引数対キーポイントマッチングモデルの詳細な評価である。
論文参考訳（メタデータ） (2020-10-11T23:01:51Z)

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。