Fugu-MT 論文翻訳(概要): Dimsum @LaySumm 20: BART-based Approach for Scientific Document Summarization

論文の概要: Dimsum @LaySumm 20: BART-based Approach for Scientific Document Summarization

arxiv url: http://arxiv.org/abs/2010.09252v1
Date: Mon, 19 Oct 2020 06:36:11 GMT
ステータス: 処理完了
システム内更新日: 2022-10-05 21:50:35.388311
Title: Dimsum @LaySumm 20: BART-based Approach for Scientific Document Summarization
Title（参考訳）: Dimsum @LaySumm 20: 科学的文書要約のためのBARTベースのアプローチ
Authors: Tiezheng Yu and Dan Su and Wenliang Dai and Pascale Fung
Abstract要約: BARTモデルに基づくレイサマリー生成システムを構築した。文ラベルを余分な監視信号として活用し、レイ・サマリゼーションの性能を向上させる。
参考スコア（独自算出の注目度）: 50.939885303186195
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Lay summarization aims to generate lay summaries of scientific papers automatically. It is an essential task that can increase the relevance of science for all of society. In this paper, we build a lay summary generation system based on the BART model. We leverage sentence labels as extra supervision signals to improve the performance of lay summarization. In the CL-LaySumm 2020 shared task, our model achieves 46.00\% Rouge1-F1 score.
Abstract（参考訳）: layの要約は、科学論文の素な要約を自動的に生成することを目的としている。社会全体の科学の関連性を高めるための重要な課題である。本稿では,BARTモデルに基づくレイサマリー生成システムを構築する。文ラベルを余分な監督信号として活用し,文要約の性能を向上させる。 CL-LaySumm 2020共有タスクでは、我々のモデルは46.00\% Rouge1-F1スコアを達成した。

関連論文リスト

Write Summary Step-by-Step: A Pilot Study of Stepwise Summarization [48.57273563299046]
本稿では,新たな文書が提案されるたびに追加の要約を生成するステップワイド要約の課題を提案する。追加された要約は、新たに追加されたコンテンツを要約するだけでなく、以前の要約と一貫性を持たなければならない。 SSGは,自動計測と人的評価の両面から,最先端のパフォーマンスを実現していることを示す。
論文参考訳（メタデータ） (2024-06-08T05:37:26Z)
Information-Theoretic Distillation for Reference-less Summarization [67.51150817011617]
本稿では,要約のための情報理論的目的に基づいて,強力な要約器を蒸留する新しい枠組みを提案する。我々は,教師モデルとしてPythia-2.8Bから出発する。我々は,ChatGPTと競合する5億8800万のパラメータしか持たないコンパクトだが強力な要約器に到達した。
論文参考訳（メタデータ） (2024-03-20T17:42:08Z)
Overview of the BioLaySumm 2023 Shared Task on Lay Summarization of Biomedical Research Articles [47.04555835353173]
本稿では,ACL 2023のBioNLPワークショップで開催されているバイオメディカルリサーチ記事のレイ要約(BioLaySumm)における共有タスクの結果について述べる。この共有タスクの目的は、"遅延要約"を生成することができる抽象的な要約モデルを開発することである。総合的な結果に加えて,BioLaySumm共有タスクのセットアップと洞察についても報告した。
論文参考訳（メタデータ） (2023-09-29T15:43:42Z)
Scientific Paper Extractive Summarization Enhanced by Citation Graphs [50.19266650000948]
我々は、引用グラフを活用して、異なる設定下での科学的論文の抽出要約を改善することに重点を置いている。予備的な結果は、単純な教師なしフレームワークであっても、引用グラフが有用であることを示している。そこで我々は,大規模ラベル付きデータが利用可能である場合のタスクにおいて,より正確な結果を得るために,グラフベースのスーパービジョン・サムライゼーション・モデル(GSS)を提案する。
論文参考訳（メタデータ） (2022-12-08T11:53:12Z)
COLO: A Contrastive Learning based Re-ranking Framework for One-Stage Summarization [84.70895015194188]
コントラスト学習に基づく一段階要約フレームワークであるCOLOを提案する。 COLOはCNN/DailyMailベンチマークの1段階システムの抽出と抽象化結果を44.58と46.33ROUGE-1スコアに引き上げた。
論文参考訳（メタデータ） (2022-09-29T06:11:21Z)
SimCPSR: Simple Contrastive Learning for Paper Submission Recommendation System [0.0]
本研究では,論文提出推薦システムの効率的な手法としてトランスファーラーニングを用いたトランスフォーマーモデルを提案する。本質的な情報(タイトル、要約、キーワードのリストなど)をジャーナルの目的とスコープと組み合わせることで、このモデルは論文の受容を最大化するトップK誌を推薦することができる。
論文参考訳（メタデータ） (2022-05-12T08:08:22Z)
Bengali Abstractive News Summarization(BANS): A Neural Attention Approach [0.8793721044482612]
本稿では,エンコーダ・デコーダに着目したSeq2seqベースのLong Short-Term Memory(LSTM)ネットワークモデルを提案する。提案システムでは,単語の長い列を人文や人文で生成する,局所的な注意に基づくモデルを構築している。また,Bangla.bdnews24.com1から収集した19k以上の記事とそれに対応する人文要約のデータセットも作成した。
論文参考訳（メタデータ） (2020-12-03T08:17:31Z)
SciSummPip: An Unsupervised Scientific Paper Summarization Pipeline [39.46301416663324]
SummPipに触発されたテキスト要約システムSciSummPipについて述べる(Zhao et al., 2020)。我々のSciSummPipには、文脈文表現のためのトランスフォーマーベースの言語モデルSciBERTが含まれている。我々の研究は、コンテンツ選択と要約長制約が科学領域に適応するために適用されるという点において、以前の方法と異なる。
論文参考訳（メタデータ） (2020-10-19T03:29:21Z)

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。