論文の概要: Extractive Opinion Summarization in Quantized Transformer Spaces

• arxiv url: http://arxiv.org/abs/2012.04443v1
• Date: Tue, 8 Dec 2020 14:23:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-16 21:28:37.646060
• Title: Extractive Opinion Summarization in Quantized Transformer Spaces
• Title（参考訳）: 量子化変圧器空間における抽出的意見要約
• Authors: Stefanos Angelidis, Reinald Kim Amplayo, Yoshihiko Suhara, Xiaolan Wang, Mirella Lapata
• Abstract要約: 抽出的意見要約のための監視されていないシステムであるQuantized Transformer (QT)を提示する。 QTはVector-Quantized Variational Autoencodersにインスパイアされ、人気主導の要約に活用する。
• 参考スコア（独自算出の注目度）: 52.95867345952894
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present the Quantized Transformer (QT), an unsupervised system for extractive opinion summarization. QT is inspired by Vector-Quantized Variational Autoencoders, which we repurpose for popularity-driven summarization. It uses a clustering interpretation of the quantized space and a novel extraction algorithm to discover popular opinions among hundreds of reviews, a significant step towards opinion summarization of practical scope. In addition, QT enables controllable summarization without further training, by utilizing properties of the quantized space to extract aspect-specific summaries. We also make publicly available SPACE, a large-scale evaluation benchmark for opinion summarizers, comprising general and aspect-specific summaries for 50 hotels. Experiments demonstrate the promise of our approach, which is validated by human studies where judges showed clear preference for our method over competitive baselines.
• Abstract（参考訳）: 本稿では,抽出的意見要約システムQuantized Transformer(QT)を提案する。 QTはVector-Quantized Variational Autoencodersにインスパイアされ、人気主導の要約に活用する。 量子化された空間のクラスタリング解釈と新しい抽出アルゴリズムを使用して、何百ものレビューの中で一般的な意見を発見する。 さらにQTは、量子化された空間の性質を利用してアスペクト特異的な要約を抽出することにより、さらなる訓練なしに制御可能な要約を可能にする。 また,50ホテルの総合的,側面特異的な要約を含む,意見要約のための大規模評価ベンチマークSPACEも公開している。 提案手法は,審査員が競争基準よりも提案手法を明瞭に選好することを示す人間の研究によって実証された。

関連論文リスト

• Rationale-based Opinion Summarization [23.39553692130953]
  本稿では,レビューを要約する新たなパラダイム,理性に基づく意見要約を提案する。 関係性、特異性、人気度、多様性の4つの望ましい特性を定義します。 適切な合理性を抽出するために、関係性、特異性、人気度、多様性の4つの望ましい特性を定義した。
  論文  参考訳（メタデータ） (2024-03-30T02:22:57Z)
• Incremental Extractive Opinion Summarization Using Cover Trees [81.59625423421355]
  オンラインマーケットプレースでは、ユーザレビューは時間とともに蓄積され、意見要約を定期的に更新する必要がある。 本研究では,漸進的な環境下での抽出的意見要約の課題について検討する。 本稿では,CentroidRankの要約をインクリメンタルな設定で正確に計算するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-16T02:00:17Z)
• Large-Scale and Multi-Perspective Opinion Summarization with Diverse Review Subsets [23.515892409202344]
  SUBSUMMは大規模多視点意見要約のための教師付き要約フレームワークである。 数百のインプットレビューから、プロ、コン、そして検証の要約を生成する。
  論文  参考訳（メタデータ） (2023-10-20T08:08:13Z)
• Attributable and Scalable Opinion Summarization [79.87892048285819]
  我々は、頻繁なエンコーディングを復号することで抽象的な要約を生成し、同じ頻繁なエンコーディングに割り当てられた文を選択して抽出的な要約を生成する。 本手法は,要約プロセスの一部として要約を生成するために使用される文を同定するため,帰属的手法である。 なぜなら、アグリゲーションはトークンの長いシーケンスではなく、潜在空間で実行されるからである。
  論文  参考訳（メタデータ） (2023-05-19T11:30:37Z)
• Learning Opinion Summarizers by Selecting Informative Reviews [81.47506952645564]
  31,000以上の製品のユーザレビューと組み合わせた大規模な要約データセットを収集し、教師付きトレーニングを可能にします。 多くのレビューの内容は、人間が書いた要約には反映されず、したがってランダムなレビューサブセットで訓練された要約者は幻覚する。 我々は、これらのサブセットで表現された意見を要約し、レビューの情報的サブセットを選択するための共同学習としてタスクを定式化する。
  論文  参考訳（メタデータ） (2021-09-09T15:01:43Z)
• Multi-Perspective Abstractive Answer Summarization [76.10437565615138]
  コミュニティ質問応答フォーラムには、幅広い質問に対する回答の豊富なリソースが含まれている。 マルチパースペクティブな回答要約の目標は、答えのすべての観点を含む要約を作成することである。 本研究は,多視点抽象要約を自動生成する新しいデータセット作成手法を提案する。
  論文  参考訳（メタデータ） (2021-04-17T13:15:29Z)
• CTRLsum: Towards Generic Controllable Text Summarization [54.69190421411766]
  現在、制御可能な要約のための新しいフレームワークである。 本手法により,ユーザは要約システムと対話することで,生成された要約の複数の側面を制御できる。 単一の統一モデルを使用することで、sumは推論時に要約操作の幅広い範囲を達成できる。
  論文  参考訳（メタデータ） (2020-12-08T08:54:36Z)
• Read what you need: Controllable Aspect-based Opinion Summarization of Tourist Reviews [23.7107052882747]
  オンライン観光レビューからパーソナライズされたアスペクトベースの意見要約を作成するためのソリューションの必要性と提案を議論する。 読者に、興味のある長さや特定の側面など、要約のいくつかの属性を決定し、制御させます。 具体的には、TripAdvisorに投稿された観光レビューからコヒーレントな側面を抽出するための教師なしアプローチを採っている。
  論文  参考訳（メタデータ） (2020-06-08T15:03:38Z)
• OpinionDigest: A Simple Framework for Opinion Summarization [22.596995566588422]
  このフレームワークは、アスペクトベースの感性分析モデルを使用して、レビューから意見フレーズを抽出し、トランスフォーマーモデルを使用して、これらの抽出から元のレビューを再構築する。 選択された意見は、訓練されたトランスフォーマーモデルへの入力として使用され、それらが意見要約に言語化される。 OpinionDigestは、特定のユーザーのニーズに合わせてカスタマイズされた要約を生成することもできる。
  論文  参考訳（メタデータ） (2020-05-05T01:22:29Z)

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。