論文の概要: OpinionDigest: A Simple Framework for Opinion Summarization
- arxiv url: http://arxiv.org/abs/2005.01901v1
- Date: Tue, 5 May 2020 01:22:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 13:59:07.624254
- Title: OpinionDigest: A Simple Framework for Opinion Summarization
- Title（参考訳）: opiniondigest: 意見要約のためのシンプルなフレームワーク
- Authors: Yoshihiko Suhara, Xiaolan Wang, Stefanos Angelidis, Wang-Chiew Tan
- Abstract要約: このフレームワークは、アスペクトベースの感性分析モデルを使用して、レビューから意見フレーズを抽出し、トランスフォーマーモデルを使用して、これらの抽出から元のレビューを再構築する。
選択された意見は、訓練されたトランスフォーマーモデルへの入力として使用され、それらが意見要約に言語化される。
OpinionDigestは、特定のユーザーのニーズに合わせてカスタマイズされた要約を生成することもできる。
- 参考スコア（独自算出の注目度）: 22.596995566588422
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present OpinionDigest, an abstractive opinion summarization framework,
which does not rely on gold-standard summaries for training. The framework uses
an Aspect-based Sentiment Analysis model to extract opinion phrases from
reviews, and trains a Transformer model to reconstruct the original reviews
from these extractions. At summarization time, we merge extractions from
multiple reviews and select the most popular ones. The selected opinions are
used as input to the trained Transformer model, which verbalizes them into an
opinion summary. OpinionDigest can also generate customized summaries, tailored
to specific user needs, by filtering the selected opinions according to their
aspect and/or sentiment. Automatic evaluation on Yelp data shows that our
framework outperforms competitive baselines. Human studies on two corpora
verify that OpinionDigest produces informative summaries and shows promising
customization capabilities.
- Abstract（参考訳）: 我々は,金本位制の要約に頼らない抽象的意見要約フレームワークである opiniondigest を提案する。
このフレームワークは、アスペクトベースの感性分析モデルを使用して、レビューから意見フレーズを抽出し、トランスフォーマーモデルを使用して、これらの抽出から元のレビューを再構築する。
要約時には、複数のレビューからの抽出をマージし、最も人気のあるものを選択する。
選択された意見は、訓練されたトランスフォーマーモデルへの入力として使用され、それらが意見を要約する。
opiniondigestは、特定のユーザーのニーズに合わせてカスタマイズされた要約を生成することもできる。
yelpのデータの自動評価は、我々のフレームワークが競合ベースラインを上回ることを示している。
2つのコーパスに関する人間の研究は、オピニオンダイジェストが情報的な要約を生成し、将来有望なカスタマイズ能力を示すことを検証している。
関連論文リスト
- Rationale-based Opinion Summarization [23.39553692130953]
本稿では,レビューを要約する新たなパラダイム,理性に基づく意見要約を提案する。
関係性、特異性、人気度、多様性の4つの望ましい特性を定義します。
適切な合理性を抽出するために、関係性、特異性、人気度、多様性の4つの望ましい特性を定義した。
論文 参考訳（メタデータ） (2024-03-30T02:22:57Z) - Automatically Evaluating Opinion Prevalence in Opinion Summarization [0.9971537447334835]
本稿では,要約が示す意見の正当性をテストするための自動尺度を提案する。
本稿では,要約文の事実整合性を評価するための既存手法について考察する。
本研究は, 著者による要約では, ランダムに選択した抽出結果よりも, わずかに優れた評価率しか得られていないことを示す。
論文 参考訳（メタデータ） (2023-07-26T17:13:00Z) - Towards Personalized Review Summarization by Modeling Historical Reviews
from Customer and Product Separately [59.61932899841944]
レビュー要約(review summarization)は、Eコマースのウェブサイトで製品レビューのメインの考え方を要約することを目的とした、簡単ではないタスクである。
Heterogeneous Historical Review aware Review Summarization Model (HHRRS)を提案する。
我々は、レビュー感情分類と要約を共同で行うマルチタスクフレームワークを採用している。
論文 参考訳（メタデータ） (2023-01-27T12:32:55Z) - Learning Opinion Summarizers by Selecting Informative Reviews [81.47506952645564]
31,000以上の製品のユーザレビューと組み合わせた大規模な要約データセットを収集し、教師付きトレーニングを可能にします。
多くのレビューの内容は、人間が書いた要約には反映されず、したがってランダムなレビューサブセットで訓練された要約者は幻覚する。
我々は、これらのサブセットで表現された意見を要約し、レビューの情報的サブセットを選択するための共同学習としてタスクを定式化する。
論文 参考訳（メタデータ） (2021-09-09T15:01:43Z) - 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) - Read what you need: Controllable Aspect-based Opinion Summarization of
Tourist Reviews [23.7107052882747]
オンライン観光レビューからパーソナライズされたアスペクトベースの意見要約を作成するためのソリューションの必要性と提案を議論する。
読者に、興味のある長さや特定の側面など、要約のいくつかの属性を決定し、制御させます。
具体的には、TripAdvisorに投稿された観光レビューからコヒーレントな側面を抽出するための教師なしアプローチを採っている。
論文 参考訳（メタデータ） (2020-06-08T15:03:38Z) - 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) - 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。