Fugu-MT 論文翻訳(概要): Extractive Summarizer for Scholarly Articles

論文の概要: Extractive Summarizer for Scholarly Articles

arxiv url: http://arxiv.org/abs/2008.11290v1
Date: Tue, 25 Aug 2020 22:08:34 GMT
ステータス: 処理完了
システム内更新日: 2022-10-25 03:14:59.622519
Title: Extractive Summarizer for Scholarly Articles
Title（参考訳）: 学術論文の抽出要約器
Authors: Athar Sefid, Clyde Lee Giles, Prasenjit Mitra
Abstract要約: 本モデルは,論文の著者が提示したプレゼンテーションスライドをゴールド・サマリー・スタンダードとして使用し,文のラベル付けを行う。ウィンドウベースの文抽出ラベリングにより,少なくとも4つのROUGE1-リコール点の改善が得られた。
参考スコア（独自算出の注目度）: 3.420774720158862
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce an extractive method that will summarize long scientific papers. Our model uses presentation slides provided by the authors of the papers as the gold summary standard to label the sentences. The sentences are ranked based on their novelty and their importance as estimated by deep neural networks. Our window-based extractive labeling of sentences results in the improvement of at least 4 ROUGE1-Recall points.
Abstract（参考訳）: 本稿では,長い学術論文を要約する抽出方法を紹介する。論文の著者によるプレゼンテーションスライドをゴールドサマリー標準として使用し,文章のラベル付けを行う。それらの文は、その斬新さと深層ニューラルネットワークによって推定される重要性に基づいてランク付けされる。ウィンドウベースの文抽出ラベリングにより、少なくとも4つのrouge1リコールポイントが改善される。

関連論文リスト

RankSum An unsupervised extractive text summarization based on rank fusion [0.0]
本稿では,単一文書の抽出テキスト要約手法であるRansumを提案する。ランクサムは、各特徴に対応する文の給与ランクを教師なしの方法で取得する。 CNN/DailyMail と DUC 2002 で利用可能な要約データセットについて検討した。
論文参考訳（メタデータ） (2024-02-07T22:24:09Z)
Enriching Relation Extraction with OpenIE [70.52564277675056]
関係抽出(RE)は情報抽出(IE)のサブ分野である本稿では,オープン情報抽出(OpenIE)の最近の取り組みがREの課題の改善にどのように役立つかを検討する。本稿では,2つの注釈付きコーパスであるKnowledgeNetとFewRelを用いた実験により,拡張モデルの精度向上を実証した。
論文参考訳（メタデータ） (2022-12-19T11:26:23Z)
Text Summarization with Oracle Expectation [88.39032981994535]
抽出要約は、文書の中で最も重要な文を識別し、連結することによって要約を生成する。ほとんどの要約データセットは、文書文が要約に値するかどうかを示す金のラベルを持っていない。本稿では,ソフトな予測に基づく文ラベルを生成する,シンプルで効果的なラベル付けアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-09-26T14:10:08Z)
SciBERTSUM: Extractive Summarization for Scientific Documents [16.801859298078334]
SciBERTSUMは500以上の文からなる科学論文のような長い文書の要約のために設計されている。その結果,ROUGEスコアの点から,モデルの優位性を示した。
論文参考訳（メタデータ） (2022-01-21T00:29:48Z)
Extractive Research Slide Generation Using Windowed Labeling Ranking [8.187395293376667]
本稿では,学術論文のスライドを自動的に生成する手法を提案する。本手法の文ラベルモジュールは,抽出要約のためのニューラルネットワークモデルSummaRuNNerに基づいている。
論文参考訳（メタデータ） (2021-06-06T20:56:43Z)
Summaformers @ LaySumm 20, LongSumm 20 [14.44754831438127]
本稿では,複数の領域から科学研究論文を要約する問題について考察する。私たちはLaySummとLongSummという2種類の要約を区別します。最新のTransformerベースのモデルを活用しながら、私たちのシステムはシンプルで直感的で、特定の紙セクションが人間の要約にどのように貢献するかに基づいています。
論文参考訳（メタデータ） (2021-01-10T13:48:12Z)
Unsupervised Extractive Summarization by Pre-training Hierarchical Transformers [107.12125265675483]
教師なし抽出文書要約は、訓練中にラベル付き要約を用いることなく、文書から重要な文章を選択することを目的としている。既存の手法は主にグラフベースで、文をノードとして、エッジの重みは文の類似性によって測定される。教師なし抽出要約のための文のランク付けにはトランスフォーマーの注意が利用できることがわかった。
論文参考訳（メタデータ） (2020-10-16T08:44:09Z)
Discrete Optimization for Unsupervised Sentence Summarization with Word-Level Extraction [31.648764677078837]
自動要約は、その最も重要な情報を保存しながら、文章の短いバージョンを生成する。我々はこれら2つの側面を言語モデリングと意味的類似度メトリクスからなる教師なし目的関数でモデル化する。提案手法は,ROUGEスコアによる教師なし文要約のための新しい最先端技術を実現する。
論文参考訳（メタデータ） (2020-05-04T19:01:55Z)
Exploring Explainable Selection to Control Abstractive Summarization [51.74889133688111]
説明可能性を重視した新しいフレームワークを開発する。新しいペアワイズ行列は、文の相互作用、中心性、属性スコアをキャプチャする。コンストラクタ内の文分割アテンション機構は、最終要約が所望のコンテンツを強調することを保証する。
論文参考訳（メタデータ） (2020-04-24T14:39:34Z)
Extractive Summarization as Text Matching [123.09816729675838]
本稿では,ニューラル抽出要約システムの構築方法に関するパラダイムシフトを作成する。抽出した要約タスクを意味テキストマッチング問題として定式化する。我々はCNN/DailyMailの最先端抽出結果を新しいレベル(ROUGE-1の44.41)に推し進めた。
論文参考訳（メタデータ） (2020-04-19T08:27:57Z)
At Which Level Should We Extract? An Empirical Analysis on Extractive Document Summarization [110.54963847339775]
本研究は,全文を抽出する際,不必要な問題や冗長性が存在することを示す。選挙区解析木に基づくサブセグメント単位の抽出を提案する。
論文参考訳（メタデータ） (2020-04-06T13:35:10Z)

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。