論文の概要: Ontology-based and User-focused Automatic Text Summarization (OATS):
Using COVID-19 Risk Factors as an Example
- arxiv url: http://arxiv.org/abs/2012.02028v1
- Date: Wed, 18 Nov 2020 20:15:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 04:02:54.141553
- Title: Ontology-based and User-focused Automatic Text Summarization (OATS):
Using COVID-19 Risk Factors as an Example
- Title（参考訳）: オントロジーに基づくユーザ中心自動テキスト要約(OATS) : 新型コロナウイルスリスクファクターを例として
- Authors: Po-Hsu Allen Chen, Amy Leibrand, Jordan Vasko, Mitch Gauthier
- Abstract要約: 本稿では,新しいオントロジーに基づくユーザ指向自動テキスト要約(OATS)システムを提案する。
OATSは、ユーザの焦点に合わせた情報を含む文を抽出することにより、構造化されていないテキストからテキスト要約を生成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes a novel Ontology-based and user-focused Automatic Text
Summarization (OATS) system, in the setting where the goal is to automatically
generate text summarization from unstructured text by extracting sentences
containing the information that aligns to the user's focus. OATS consists of
two modules: ontology-based topic identification and user-focused text
summarization; it first utilizes an ontology-based approach to identify
relevant documents to user's interest, and then takes advantage of the answers
extracted from a question answering model using questions specified from users
for the generation of text summarization. To support the fight against the
COVID-19 pandemic, we used COVID-19 risk factors as an example to demonstrate
the proposed OATS system with the aim of helping the medical community
accurately identify relevant scientific literature and efficiently review the
information that addresses risk factors related to COVID-19.
- Abstract（参考訳）: 本稿では,ユーザの焦点に合わせた情報を含む文を抽出することにより,非構造化テキストからテキスト要約を自動生成する,新しいオントロジーに基づくユーザ中心自動テキスト要約(OATS)システムを提案する。
oatsは、オントロジーベースのトピック識別とユーザ中心のテキスト要約の2つのモジュールで構成されており、まず、関連するドキュメントをユーザーの興味に合わせて識別するためにオントロジーベースのアプローチを使用し、その後、質問応答モデルから抽出された回答を、テキスト要約の生成のためにユーザから指定された質問を用いて活用する。
新型コロナウイルス(covid-19)パンデミック(covid-19)との闘いを支援するため,医療コミュニティが関連する科学文献を正確に特定し,covid-19に関連するリスクファクターを効果的に検証するために,covid-19リスクファクターを例に用いた。
関連論文リスト
- Augmenting Textual Generation via Topology Aware Retrieval [30.933176170660683]
トポロジを意識した検索型検索生成フレームワークを開発した。
このフレームワークは、トポロジ的関係に基づいてテキストを選択する検索モジュールを含む。
我々は,確立したテキスト配信ネットワークをキュレートし,本フレームワークの有効性を検証するための総合的な実験を行った。
論文 参考訳（メタデータ） (2024-05-27T19:02:18Z) - Spotting AI's Touch: Identifying LLM-Paraphrased Spans in Text [61.22649031769564]
我々は、新しいフレームワーク、パラフレーズテキストスパン検出(PTD)を提案する。
PTDは、テキスト内でパラフレーズ付きテキストを識別することを目的としている。
パラフレーズ付きテキストスパン検出のための専用データセットであるPASTEDを構築した。
論文 参考訳（メタデータ） (2024-05-21T11:22:27Z) - Cheap Ways of Extracting Clinical Markers from Texts [0.0]
本稿では,CLPsychの2024 Shared TaskにおけるUniBuc考古学チームの作業について述べる。
これには、割り当てられた自殺リスクレベルを支持するテキスト内の証拠の発見が含まれていた。
証拠にはハイライトと要約の2種類が必要だった。
論文 参考訳（メタデータ） (2024-03-17T14:21:42Z) - Exploiting Contextual Target Attributes for Target Sentiment
Classification [53.30511968323911]
TSCの既存のPTLMベースモデルは、1)PTLMをコンテキストエンコーダとして採用した微調整ベースモデル、2)テキスト/単語生成タスクに分類タスクを転送するプロンプトベースモデル、の2つのグループに分類される。
我々は,PTLM を TSC に活用する新たな視点として,言語モデリングと文脈的ターゲット属性による明示的ターゲットコンテキスト相互作用の利点を同時に活用する。
論文 参考訳（メタデータ） (2023-12-21T11:45:28Z) - RELIC: Investigating Large Language Model Responses using Self-Consistency [58.63436505595177]
LLM(Large Language Models)は、フィクションと事実を混同し、幻覚として知られる非事実コンテンツを生成することで有名である。
本稿では,ユーザが生成したテキストの信頼性を把握できる対話型システムを提案する。
論文 参考訳（メタデータ） (2023-11-28T14:55:52Z) - A Data-driven Latent Semantic Analysis for Automatic Text Summarization
using LDA Topic Modelling [0.0]
本研究では、トピックモデリングを行うために使用されるLDA(Latent Dirichlet Allocation)アプローチを提案する。
可視化は主要なトピックを概観し、個々のトピックに対する深い意味を許容し、帰結させる。
その結果,処理文書中の話題の出現確率を考慮し,純粋にランク付けされた用語が示唆された。
論文 参考訳（メタデータ） (2022-07-23T11:04:03Z) - Natural Language Inference with Self-Attention for Veracity Assessment
of Pandemic Claims [54.93898455714295]
まず、COVID-19に関する異質なクレームからなる新しいPANACEAデータセットの構築について述べる。
そこで我々は,自然言語推論に基づく自動妥当性評価のための新しい手法を提案する。
論文 参考訳（メタデータ） (2022-05-05T12:11:31Z) - Author Clustering and Topic Estimation for Short Texts [69.54017251622211]
同じ文書中の単語間の強い依存をモデル化することにより、遅延ディリクレ割当を拡張できる新しいモデルを提案する。
同時にユーザをクラスタ化し、ホック後のクラスタ推定の必要性を排除しています。
我々の手法は、短文で生じる問題に対する従来のアプローチよりも、-または----------- で機能する。
論文 参考訳（メタデータ） (2021-06-15T20:55:55Z) - Unsupervised Summarization for Chat Logs with Topic-Oriented Ranking and
Context-Aware Auto-Encoders [59.038157066874255]
本稿では,手動ラベル付きデータを用いずにチャット要約を行うrankaeという新しいフレームワークを提案する。
RankAEは、中心性と多様性に応じてトピックの発話を同時に選択するトピック指向のランキング戦略で構成されています。
消音自動エンコーダは、選択された発話に基づいて簡潔でコンテキスト情報に基づいた要約を生成するように設計されています。
論文 参考訳（メタデータ） (2020-12-14T07:31:17Z) - Efficient text generation of user-defined topic using generative
adversarial networks [0.32228025627337864]
本稿では,この問題を解決するために,2レベル判別器を用いたユーザ定義型GAN(UD-GAN)を提案する。
提案手法は,他の方法よりも少ない時間でテキストを生成することができる。
論文 参考訳（メタデータ） (2020-06-22T04:49:47Z)
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。