論文の概要: A Unified Framework for Generic, Query-Focused, Privacy Preserving and
Update Summarization using Submodular Information Measures
- arxiv url: http://arxiv.org/abs/2010.05631v1
- Date: Mon, 12 Oct 2020 12:03:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 06:15:32.857855
- Title: A Unified Framework for Generic, Query-Focused, Privacy Preserving and
Update Summarization using Submodular Information Measures
- Title（参考訳）: サブモジュラー情報尺度を用いた汎用的,クエリ重視,プライバシ保護,更新要約のための統一フレームワーク
- Authors: Vishal Kaushal, Suraj Kothawade, Ganesh Ramakrishnan, Jeff Bilmes,
Himanshu Asnani, Rishabh Iyer
- Abstract要約: 汎用的でクエリを重視し,プライバシーに敏感で,要約タスクを更新するためのリッチなフレームワークとして,サブモジュール情報測度について検討する。
まず,従来の問合せと更新の要約技術が,前述のサブモジュール情報対策の様々なインスタンス化を無意識に用いていることを示す。
合成データセットと既存の実世界の画像収集データセットの両方で実験により得られた知見を実証的に検証した。
- 参考スコア（独自算出の注目度）: 15.520331683061633
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study submodular information measures as a rich framework for generic,
query-focused, privacy sensitive, and update summarization tasks. While past
work generally treats these problems differently ({\em e.g.}, different models
are often used for generic and query-focused summarization), the submodular
information measures allow us to study each of these problems via a unified
approach. We first show that several previous query-focused and update
summarization techniques have, unknowingly, used various instantiations of the
aforesaid submodular information measures, providing evidence for the benefit
and naturalness of these models. We then carefully study and demonstrate the
modelling capabilities of the proposed functions in different settings and
empirically verify our findings on both a synthetic dataset and an existing
real-world image collection dataset (that has been extended by adding concept
annotations to each image making it suitable for this task) and will be
publicly released. We employ a max-margin framework to learn a mixture model
built using the proposed instantiations of submodular information measures and
demonstrate the effectiveness of our approach. While our experiments are in the
context of image summarization, our framework is generic and can be easily
extended to other summarization settings (e.g., videos or documents).
- Abstract（参考訳）: 我々は,汎用的,クエリ重視,プライバシに敏感な,更新要約タスクのためのリッチなフレームワークとして,サブモジュラー情報尺度を調査した。
過去の研究は一般的にこれらの問題を異なる方法で扱うが(例えば、様々なモデルが総称的および問合せに焦点を絞った要約にしばしば使用される)、サブモジュラー情報測度はこれらの問題を統一的なアプローチで研究することができる。
まず,従来の問合せと更新の要約技術が,これらのモデルの利点と自然性を示す証拠として,前述のサブモジュラー情報尺度の様々なインスタンス化を用いていることを示す。
次に,提案した関数の異なる設定でのモデリング能力を慎重に検討し,既存の実世界の画像収集データセット(このタスクに適した画像に概念アノテーションを追加することで拡張された)と合成データセットの双方での知見を実証的に検証し,公開する。
提案したサブモジュール情報尺度のインスタンス化を用いて構築した混合モデルを学習するために,最大マージンのフレームワークを用い,提案手法の有効性を実証する。
我々の実験は画像要約の文脈にあるが、我々のフレームワークは汎用的であり、他の要約設定(ビデオやドキュメントなど)に容易に拡張できる。
関連論文リスト
- Realistic Evaluation of Model Merging for Compositional Generalization [45.68423348264746]
我々は,異なるマージ手法の相対的メリットを,共有実験環境で評価することによって評価する。
具体的には、画像分類、画像生成、自然言語処理における特徴の合成一般化にマージを用いることに焦点をあてる。
我々は、異なるマージ手法の計算コストと、マージされるモデルの数をスケールする際のそれらの性能を計測する。
論文 参考訳（メタデータ） (2024-09-26T21:44:20Z) - Discovering Common Information in Multi-view Data [35.37807004353416]
多視点データから共通情報を計算するための革新的で数学的に厳密な定義を導入する。
我々は,共通情報と一意情報の両方を捉えるために,教師付き多視点学習フレームワークを開発した。
論文 参考訳（メタデータ） (2024-06-21T10:47:06Z) - Self-Supervised Representation Learning with Meta Comprehensive
Regularization [11.387994024747842]
既存の自己管理フレームワークに組み込まれたCompMod with Meta Comprehensive Regularization (MCR)というモジュールを導入する。
提案したモデルを双方向最適化機構により更新し,包括的特徴を捉える。
本稿では,情報理論と因果対実的視点から提案手法の理論的支援を行う。
論文 参考訳（メタデータ） (2024-03-03T15:53:48Z) - Modeling Entities as Semantic Points for Visual Information Extraction
in the Wild [55.91783742370978]
文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。
我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。
提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
論文 参考訳（メタデータ） (2023-03-23T08:21:16Z) - GLUECons: A Generic Benchmark for Learning Under Constraints [102.78051169725455]
本研究では,自然言語処理とコンピュータビジョンの分野における9つのタスクの集合であるベンチマークを作成する。
外部知識を制約としてモデル化し、各タスクの制約のソースを特定し、これらの制約を使用するさまざまなモデルを実装します。
論文 参考訳（メタデータ） (2023-02-16T16:45:36Z) - Named Entity and Relation Extraction with Multi-Modal Retrieval [51.660650522630526]
マルチモーダルな名前付きエンティティ認識(NER)と関係抽出(RE)は、関連画像情報を活用してNERとREの性能を向上させることを目的としている。
新たなマルチモーダル検索フレームワーク(MoRe)を提案する。
MoReはテキスト検索モジュールと画像ベースの検索モジュールを含み、入力されたテキストと画像の関連知識をそれぞれ知識コーパスで検索する。
論文 参考訳（メタデータ） (2022-12-03T13:11:32Z) - Relational Action Bases: Formalization, Effective Safety Verification,
and Invariants (Extended Version) [67.99023219822564]
我々はリレーショナルアクションベース(RAB)の一般的な枠組みを紹介する。
RABは両方の制限を解除することで既存のモデルを一般化する。
データ対応ビジネスプロセスのベンチマークにおいて、このアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2022-08-12T17:03:50Z) - An Ample Approach to Data and Modeling [1.0152838128195467]
さまざまな分野の概念とメソッドを統合するモデルの構築方法をモデル化するためのフレームワークについて説明する。
参照M*メタモデルフレームワークは、厳密な同値関係の観点からデータセットと各モデルの関連付けに批判的に依存する。
開発されたフレームワークがデータクラスタリング、複雑性、共同研究、ディープラーニング、クリエイティビティに関する洞察を提供する方法について、いくつかの考察がなされている。
論文 参考訳（メタデータ） (2021-10-05T01:26:09Z) - SupMMD: A Sentence Importance Model for Extractive Summarization using
Maximum Mean Discrepancy [92.5683788430012]
SupMMDは、カーネルの2サンプルテストと最大の相違点に基づく、ジェネリックおよび更新の要約のための新しいテクニックである。
DUC-2004 および TAC-2009 データセット上での現在の技術状況を満たしたり超えたりすることで,SupMMD の総合的および更新的要約タスクにおける有効性を示す。
論文 参考訳（メタデータ） (2020-10-06T09:26:55Z) - Dynamic Feature Integration for Simultaneous Detection of Salient
Object, Edge and Skeleton [108.01007935498104]
本稿では,高次物体分割,エッジ検出,スケルトン抽出など,低レベルの3つの視覚問題を解く。
まず、これらのタスクで共有される類似点を示し、統一されたフレームワークの開発にどのように活用できるかを示す。
論文 参考訳（メタデータ） (2020-04-18T11:10:11Z)
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。