論文の概要: Generating Pertinent and Diversified Comments with Topic-aware
Pointer-Generator Networks
- arxiv url: http://arxiv.org/abs/2005.04396v1
- Date: Sat, 9 May 2020 09:04:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 06:44:34.888017
- Title: Generating Pertinent and Diversified Comments with Topic-aware
Pointer-Generator Networks
- Title(参考訳): Topic-Aware Pointer-Generator Network を用いた関連するコメントの生成
- Authors: Junheng Huang, Lu Pan, Kang Xu, Weihua Peng, Fayuan Li
- Abstract要約: topic-aware Pointer-Generator Networks (TPGN) に基づく新しい生成モデルを提案する。
記事中の話題情報をキャプチャするためのキーワードレベルおよびトピックレベルのエンコーダアテンション機構を設計する。
トピック情報をポインタジェネレータネットワークに統合し、コメント生成をガイドする。
- 参考スコア(独自算出の注目度): 5.046104800241757
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Comment generation, a new and challenging task in Natural Language Generation
(NLG), attracts a lot of attention in recent years. However, comments generated
by previous work tend to lack pertinence and diversity. In this paper, we
propose a novel generation model based on Topic-aware Pointer-Generator
Networks (TPGN), which can utilize the topic information hidden in the articles
to guide the generation of pertinent and diversified comments. Firstly, we
design a keyword-level and topic-level encoder attention mechanism to capture
topic information in the articles. Next, we integrate the topic information
into pointer-generator networks to guide comment generation. Experiments on a
large scale of comment generation dataset show that our model produces the
valuable comments and outperforms competitive baseline models significantly.
- Abstract(参考訳): 自然言語生成(nlg)における新しくて挑戦的なタスクであるコメント生成は、近年多くの注目を集めている。
しかし、以前の仕事によって生み出されたコメントは、関連性や多様性に欠ける傾向がある。
本稿では,トピック認識ポインタ生成ネットワーク(TPGN, Topic-aware Pointer-Generator Networks)に基づく新たな生成モデルを提案する。
まず,キーワードレベルおよびトピックレベルのエンコーダアテンション機構を設計し,話題情報を抽出する。
次に,話題情報をポインタ生成ネットワークに統合し,コメント生成のガイドを行う。
大規模なコメント生成データセットの実験では,提案モデルが価値あるコメントを生成し,競合ベースラインモデルを大幅に上回っています。
関連論文リスト
- Recommendation with Generative Models [35.029116616023586]
生成モデルは、統計分布から学習し、サンプリングすることで、データの新しいインスタンスを作成することができるAIモデルである。
これらのモデルは、画像生成、テキスト合成、音楽合成など、様々な領域に応用されている。
レコメンデーションシステムでは、Gen-RecSysと呼ばれる生成モデルは、レコメンデーションの正確性と多様性を改善する。
論文 参考訳(メタデータ) (2024-09-18T18:29:15Z) - Exploring Precision and Recall to assess the quality and diversity of LLMs [82.21278402856079]
我々はtextscLlama-2 や textscMistral のような大規模言語モデル (LLM) のための新しい評価フレームワークを提案する。
このアプローチにより、コーパスの整合を必要とせず、生成したテキストの品質と多様性を微妙に評価できる。
論文 参考訳(メタデータ) (2024-02-16T13:53:26Z) - Controllable Topic-Focused Abstractive Summarization [57.8015120583044]
制御された抽象的な要約は、特定の側面をカバーするために、ソース記事の凝縮したバージョンを作成することに焦点を当てる。
本稿では,トピックに着目した要約を生成可能なトランスフォーマーアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-11-12T03:51:38Z) - An Overview on Controllable Text Generation via Variational
Auto-Encoders [15.97186478109836]
ニューラルベース生成モデリングの最近の進歩は、コンピュータシステムが人間と会話できるという期待を再燃させた。
変分自動エンコーダ(VAE)のような潜在変数モデル(LVM)は、テキストデータの分布パターンを特徴付けるように設計されている。
この概要は、既存の生成方式、テキスト変分自動エンコーダに関連する問題、および制御可能な生成に関するいくつかのアプリケーションについて概説する。
論文 参考訳(メタデータ) (2022-11-15T07:36:11Z) - Unsupervised Neural Stylistic Text Generation using Transfer learning
and Adapters [66.17039929803933]
応答生成のためのスタイル特化属性を学習するために,モデルパラメータの0.3%しか更新しない新しい転送学習フレームワークを提案する。
我々はPERSONALITY-CAPTIONSデータセットからスタイル固有の属性を学習する。
論文 参考訳(メタデータ) (2022-10-07T00:09:22Z) - Knowledge-Aware Bayesian Deep Topic Model [50.58975785318575]
本稿では,事前知識を階層型トピックモデリングに組み込むベイズ生成モデルを提案する。
提案モデルでは,事前知識を効率的に統合し,階層的なトピック発見と文書表現の両面を改善する。
論文 参考訳(メタデータ) (2022-09-20T09:16:05Z) - Twist Decoding: Diverse Generators Guide Each Other [116.20780037268801]
様々なモデルの恩恵を受けながらテキストを生成するシンプルで一般的な推論アルゴリズムであるTwist decodingを導入する。
我々の方法は、語彙、トークン化、あるいは生成順序が共有されていると仮定しない。
論文 参考訳(メタデータ) (2022-05-19T01:27:53Z) - Generating Diversified Comments via Reader-Aware Topic Modeling and
Saliency Detection [25.16392119801612]
生成したコメントの質を高めるために,読者が認識するトピックモデリングとサリエンシー情報検出フレームワークを提案する。
読者対応トピックモデリングのために,読者コメントからの潜在意味学習と話題マイニングのための変分生成クラスタリングアルゴリズムを設計した。
サリエンシー情報検出のために、ニュースコンテンツを推定してサリエンシー情報を選択するBernoulli分布について紹介します。
論文 参考訳(メタデータ) (2021-02-13T03:50:31Z) - Neural Topic Modeling with Cycle-Consistent Adversarial Training [17.47328718035538]
本稿では, 周期整合適応訓練(ToMCAT)によるトピックモデリングとその教師付きバージョン sToMCAT を提案する。
ToMCATは、トピックを解釈するジェネレータネットワークと、ドキュメントトピックを推論するエンコーダネットワークを使用している。
SToMCATはトピックモデリングプロセスにドキュメントラベルを組み込むことでToMCATを拡張し、より一貫性のあるトピックの発見を支援する。
論文 参考訳(メタデータ) (2020-09-29T12:41:27Z) - Injecting Entity Types into Entity-Guided Text Generation [39.96689831978859]
本稿では,デコードフェーズにおけるエンティティタイプをモデル化し,文脈的単語を正確に生成することを目的とする。
私たちのモデルは、エンティティ型をエンティティ参照生成のプロセスに注入するマルチステップデコーダを持っています。
2つの公開ニュースデータセットの実験では、既存の型埋め込み結合ベースラインよりも、型インジェクションのパフォーマンスが向上している。
論文 参考訳(メタデータ) (2020-09-28T15:19:28Z) - Topic Adaptation and Prototype Encoding for Few-Shot Visual Storytelling [81.33107307509718]
トピック間一般化の能力をモデル化するためのトピック適応型ストーリーテラを提案する。
また,アトピー内導出能力のモデル化を目的とした符号化手法の試作も提案する。
実験結果から,トピック適応とプロトタイプ符号化構造が相互に利益をもたらすことが明らかとなった。
論文 参考訳(メタデータ) (2020-08-11T03:55:11Z)
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。