Fugu-MT 論文翻訳(概要): Continual BERT: Continual Learning for Adaptive Extractive Summarization of COVID-19 Literature

論文の概要: Continual BERT: Continual Learning for Adaptive Extractive Summarization of COVID-19 Literature

arxiv url: http://arxiv.org/abs/2007.03405v2
Date: Sun, 27 Sep 2020 08:02:30 GMT
ステータス: 処理完了
システム内更新日: 2022-11-12 18:38:45.811315
Title: Continual BERT: Continual Learning for Adaptive Extractive Summarization of COVID-19 Literature
Title（参考訳）: 連続的bert:covid-19文献の適応的抽出要約のための連続学習
Authors: Jong Won Park
Abstract要約: 本稿では,長文を簡潔かつオリジナルに要約したBERTアーキテクチャを提案する。ベンチマークと手動による性能評価の結果,新たな科学的文献の要約が得られた。
参考スコア（独自算出の注目度）: 1.713291434132985
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The scientific community continues to publish an overwhelming amount of new research related to COVID-19 on a daily basis, leading to much literature without little to no attention. To aid the community in understanding the rapidly flowing array of COVID-19 literature, we propose a novel BERT architecture that provides a brief yet original summarization of lengthy papers. The model continually learns on new data in online fashion while minimizing catastrophic forgetting, thus fitting to the need of the community. Benchmark and manual examination of its performance show that the model provide a sound summary of new scientific literature.
Abstract（参考訳）: 科学界は毎日、新型コロナウイルスに関する膨大な量の新たな研究を公表し続けており、多くの文献が注目されることなく出版されている。新型コロナウイルスの文献の急激な流れを理解する上で,コミュニティの助けとなるため,長文の簡潔かつ独創的な要約を提供する新しいBERTアーキテクチャを提案する。モデルは、破滅的な忘れを最小化しながら、オンライン形式で新しいデータを継続的に学習し、コミュニティのニーズに適合する。ベンチマークと手動による性能評価の結果,新たな科学的文献の要約が得られた。

関連論文リスト

Divide and Conquer the EmpiRE: A Community-Maintainable Knowledge Graph of Empirical Research in Requirements Engineering [0.3277163122167433]
要件エンジニアリング(RE)に関する実証研究は、常に進化している。根底にある問題は、以前の作業からのデータが利用できないことだ。オープンリサーチ知識グラフ(ORKG)を,REにおける経験的研究の知識グラフを構築,公開するための基盤として利用する方法について検討する。
論文参考訳（メタデータ） (2023-06-29T08:55:35Z)
Factually Consistent Summarization via Reinforcement Learning with Textual Entailment Feedback [57.816210168909286]
我々は,この問題を抽象的な要約システムで解くために,テキストエンテーメントモデルの最近の進歩を活用している。我々は、事実整合性を最適化するために、レファレンスフリーのテキストエンターメント報酬を用いた強化学習を用いる。自動測定と人的評価の両結果から,提案手法は生成した要約の忠実さ,サリエンス,簡潔さを著しく向上させることが示された。
論文参考訳（メタデータ） (2023-05-31T21:04:04Z)
MIReAD: Simple Method for Learning High-quality Representations from Scientific Documents [77.34726150561087]
論文の高品質な表現を学習する簡単な方法であるMIREADを提案する。私たちは、2000以上のジャーナルクラスで50万以上のPubMedとarXivの抽象クラスでMIREADをトレーニングします。
論文参考訳（メタデータ） (2023-05-07T03:29:55Z)
The Semantic Reader Project: Augmenting Scholarly Documents through AI-Powered Interactive Reading Interfaces [54.2590226904332]
本稿では,研究論文を対象とした動的読解インタフェースの自動作成を目的としたセマンティック・リーダー・プロジェクトについて述べる。 10のプロトタイプインターフェースが開発され、300人以上の参加者と現実世界のユーザが読書体験を改善している。本論文は,研究論文を読む際,学者と公衆の面を巡って構築する。
論文参考訳（メタデータ） (2023-03-25T02:47:09Z)
Embedding Knowledge for Document Summarization: A Survey [66.76415502727802]
従来の研究は、知識を組み込んだ文書要約器が優れた消化器を生成するのに優れていたことを証明した。本稿では,文書要約ビューに基づいて,知識と知識の埋め込みを再カプセル化する手法を提案する。
論文参考訳（メタデータ） (2022-04-24T04:36:07Z)
Prioritization of COVID-19-related literature via unsupervised keyphrase extraction and document representation learning [1.8374319565577157]
新型コロナウイルス(COVID-19)のパンデミックは、手作業で適切な時間枠で検査や研究が不可能な、新しい科学文献の波を引き起こした。現在の機械学習手法では、類似した文書が互いに近接しているベクトル空間にそのような文献を投影する。本システムでは, ウイルス関連文献の現在の体は, 教師なしキーフレーズ抽出を用いて注釈付けされている。このソリューションは、対話型検索、用語ランキング、潜在的に興味深い文献の探索が可能なWebサーバを通じてアクセス可能である。
論文参考訳（メタデータ） (2021-10-17T17:35:09Z)
Enhancing Scientific Papers Summarization with Citation Graph [78.65955304229863]
引用グラフを用いて科学論文の要約作業を再定義します。我々は,141kの研究論文を異なる領域に格納した,新しい科学論文要約データセットセマンティックスタディネットワーク(ssn)を構築した。我々のモデルは、事前訓練されたモデルと比較して競争性能を達成することができる。
論文参考訳（メタデータ） (2021-04-07T11:13:35Z)
COVIDScholar: An automated COVID-19 research aggregation and analysis platform [0.0]
2020年10月現在、81,000以上のCOVID-19関連科学論文が1日250以上の速度で公開されています。これは、研究文献との関わりの伝統的な方法への挑戦を生み出しました。我々は2020年における新型コロナウイルス研究の動向について分析する。
論文参考訳（メタデータ） (2020-12-07T18:17:11Z)
What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文参考訳（メタデータ） (2020-11-06T02:23:01Z)
COVID-19 Kaggle Literature Organization [29.959515544730348]
世界は、2020年に重症急性呼吸症候群のコロナウイルス-2(SARS-CoV-2)の壊滅的な流行に直面している。この問題の研究は、科学者が新しい発見に追いつくのに苦労している点まで、急速に追跡された。本稿では、機械学習技術を用いて、新型コロナウイルスに関する科学文献を整理、視覚化するアプローチについて述べる。
論文参考訳（メタデータ） (2020-08-04T21:02:32Z)
Automatic Text Summarization of COVID-19 Medical Research Articles using BERT and GPT-2 [8.223517872575712]
我々は,既存のNLPモデルであるBERTとOpenAI GPT-2の最近の進歩を活用している。本モデルは,原文から抽出したキーワードに基づいて,抽象的かつ包括的情報を提供する。我々の研究は、要約がまだ手に入らない記事の簡潔な要約を提供することで、医療コミュニティに役立てることができる。
論文参考訳（メタデータ） (2020-06-03T00:54:44Z)

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。