論文の概要: What Makes a Good Summary? Reconsidering the Focus of Automatic Summarization

• arxiv url: http://arxiv.org/abs/2012.07619v1
• Date: Mon, 14 Dec 2020 15:12:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-08 14:41:21.139984
• Title: What Makes a Good Summary? Reconsidering the Focus of Automatic Summarization
• Title（参考訳）: 何が良い概要になるのか? 自動要約の焦点を再考する
• Authors: Maartje ter Hoeve, Julia Kiseleva, Maarten de Rijke
• Abstract要約: フィールドの現在の焦点は、参加者の希望と完全に一致していないことがわかります。 以上の結果から,自動要約のより広い視点を取り入れることが重要であると論じる。
• 参考スコア（独自算出の注目度）: 49.600619575148706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic text summarization has enjoyed great progress over the last years. Now is the time to re-assess its focus and objectives. Does the current focus fully adhere to users' desires or should we expand or change our focus? We investigate this question empirically by conducting a survey amongst heavy users of pre-made summaries. We find that the current focus of the field does not fully align with participants' wishes. In response, we identify three groups of implications. First, we argue that it is important to adopt a broader perspective on automatic summarization. Based on our findings, we illustrate how we can expand our view when it comes to the types of input material that is to be summarized, the purpose of the summaries and their potential formats. Second, we define requirements for datasets that can facilitate these research directions. Third, usefulness is an important aspect of summarization that should be included in our evaluation methodology; we propose a methodology to evaluate the usefulness of a summary. With this work we unlock important research directions for future work on automatic summarization and we hope to initiate the development of methods in these directions.
• Abstract（参考訳）: 自動要約はここ数年で大きな進歩を遂げてきた。 今こそ、焦点と目的を再評価する時です。 現在のフォーカスはユーザの欲望に完全に準拠しているか,あるいは対象を拡大あるいは変更すべきなのか? 本研究では, 既製サマリーのヘビーユーザを対象に, この質問を経験的に調査する。 この分野の現在の焦点は,参加者の希望と完全に一致していない。 その結果,3つの意味群が同定された。 まず、自動要約に関してより広い視点を採用することが重要であると論じる。 本研究は, 要約すべき入力材料の種類, 要約の目的, 潜在的なフォーマットに関して, どのように視野を広げていくかを説明するものである。 第二に、これらの研究の方向性を促進するデータセットの要件を定義します。 第3に,有用性は評価手法に含まれるべき要約の重要な側面であり,要約の有用性を評価するための方法論を提案する。 本研究により,将来的な自動要約に向けた重要な研究の方向性を開拓し,これらの方向性による手法の開発を期待する。

関連論文リスト

• 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)
• Summarization with Graphical Elements [55.5913491389047]
  本稿では,グラフィカル要素による要約という新しい課題を提案する。 タスクの研究を支援するために,高品質なラベル付きデータセットを収集する。
  論文  参考訳（メタデータ） (2022-04-15T17:16:41Z)
• Automatic Text Summarization Methods: A Comprehensive Review [1.6114012813668934]
  本研究は,要約手法,使用する手法,標準データセット,評価指標,今後の研究範囲などのテキスト要約概念を詳細に分析する。
  論文  参考訳（メタデータ） (2022-03-03T10:45:00Z)
• AnswerSumm: A Manually-Curated Dataset and Pipeline for Answer Summarization [73.91543616777064]
  Stack OverflowやYahoo!のようなコミュニティ質問回答(CQA)フォーラムには、幅広いコミュニティベースの質問に対する回答の豊富なリソースが含まれている。 回答の要約の1つのゴールは、回答の視点の範囲を反映した要約を作成することである。 本研究は,専門言語学者による解答要約のための4,631個のCQAスレッドからなる新しいデータセットを導入する。
  論文  参考訳（メタデータ） (2021-11-11T21:48:02Z)
• Question-aware Transformer Models for Consumer Health Question Summarization [20.342580435464072]
  我々は,医療機関の認識を通じて質問の意味的解釈を活用する抽象的質問要約モデルを開発した。 MeQSumベンチマークコーパスで評価すると、我々のフレームワークは最先端の手法を10.2ROUGE-Lで上回りました。
  論文  参考訳（メタデータ） (2021-06-01T04:21:31Z)
• Extracting actionable information from microtexts [0.0]
  本論文では,動作可能な情報を抽出する半自動手法を提案する。 ドメイン内シナリオとクロスドメインシナリオの両方において、イベントの予測が可能であることを示す。 本稿では,機械学習に基づく関連情報分類手法とルールベースの情報分類手法を統合し,マイクロテキストを分類する手法を提案する。
  論文  参考訳（メタデータ） (2020-08-01T21:22:53Z)
• From Standard Summarization to New Tasks and Beyond: Summarization with Manifold Information [77.89755281215079]
  テキスト要約は、原文書の短く凝縮した版を作成することを目的とした研究分野である。 現実世界のアプリケーションでは、ほとんどのデータは平易なテキスト形式ではない。 本稿では,現実のアプリケーションにおけるこれらの新しい要約タスクとアプローチについて調査する。
  論文  参考訳（メタデータ） (2020-05-10T14:59:36Z)
• Few-Shot Learning for Opinion Summarization [117.70510762845338]
  オピニオン要約は、複数の文書で表現された主観的な情報を反映したテキストの自動生成である。 本研究では,要約テキストの生成をブートストラップするのには,少数の要約でも十分であることを示す。 提案手法は, 従来の抽出法および抽象法を, 自動的, 人的評価において大きく上回っている。
  論文  参考訳（メタデータ） (2020-04-30T15:37:38Z)

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。