論文の概要: Persuasive Natural Language Generation -- A Literature Review
- arxiv url: http://arxiv.org/abs/2101.05786v1
- Date: Thu, 14 Jan 2021 18:44:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-29 00:58:22.754978
- Title: Persuasive Natural Language Generation -- A Literature Review
- Title(参考訳): Persuasive Natural Language Generation -- 文献レビュー
- Authors: Sebastian Duerr, Peter A. Gloor
- Abstract要約: 本稿では,自然言語生成による説得的テキストの自動検出と生成に焦点をあてる。
我々は,5つのビジネス分野における説得決定因子の概念化を通じて,生成的側面に集中する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This literature review focuses on the use of Natural Language Generation
(NLG) to automatically detect and generate persuasive texts. Extending previous
research on automatic identification of persuasion in text, we concentrate on
generative aspects through conceptualizing determinants of persuasion in five
business-focused categories: benevolence, linguistic appropriacy, logical
argumentation, trustworthiness, tools and datasets. These allow NLG to increase
an existing message's persuasiveness. Previous research illustrates key aspects
in each of the above mentioned five categories. A research agenda to further
study persuasive NLG is developed. The review includes analysis of
seventy-seven articles, outlining the existing body of knowledge and showing
the steady progress in this research field.
- Abstract(参考訳): 本稿では,自然言語生成(NLG)による説得的テキストの自動検出と生成に焦点をあてる。
テキストにおける説得力の自動識別に関するこれまでの研究を延長し,ビジネスに焦点を絞った5つのカテゴリー(便宜性,言語能力,論理的議論,信頼性,ツール,データセット)における説得力の決定要因の概念化を通じて生成的側面に焦点を当てた。
これにより、NLGは既存のメッセージの説得力を高めることができる。
前回の研究では、上記の5つのカテゴリのそれぞれで重要な側面が示されている。
NLGをさらに研究するための研究課題が開発されている。
このレビューには77の論文の分析が含まれており、既存の知識体系を概説し、この研究分野の着実な進歩を示している。
関連論文リスト
- ChatGPT Application In Summarizing An Evolution Of Deep Learning
Techniques In Imaging: A Qualitative Study [0.0]
ChatGPT 3.5は、最大3000個のトークンの内容を1ページに格納する能力を示す。
我々は7つの学術論文を選定し、これらの記事の要約を生成するために利用可能なChatGPTサービスを利用した。
本来の記事とは対照的に、要約の技術的な深みはわずかに減少していた。
論文 参考訳(メタデータ) (2023-11-26T23:22:37Z) - Igniting Language Intelligence: The Hitchhiker's Guide From
Chain-of-Thought Reasoning to Language Agents [80.5213198675411]
大規模言語モデル(LLM)は言語知能の分野を劇的に拡張した。
LLMは興味をそそるチェーン・オブ・シークレット(CoT)推論技術を活用し、答えを導き出す途中の中間ステップを定式化しなければならない。
最近の研究は、自律言語エージェントの開発を促進するためにCoT推論手法を拡張している。
論文 参考訳(メタデータ) (2023-11-20T14:30:55Z) - Automatic and Human-AI Interactive Text Generation [27.05024520190722]
本チュートリアルは、最先端の自然言語生成研究の概要を提供する。
テキストからテキストへの生成タスクは、セマンティック一貫性とターゲット言語スタイルの観点からより制約される。
論文 参考訳(メタデータ) (2023-10-05T20:26:15Z) - Natural Language Decompositions of Implicit Content Enable Better Text
Representations [56.85319224208865]
本稿では,暗黙的に伝達されたコンテンツを明示的に考慮したテキスト分析手法を提案する。
我々は大きな言語モデルを用いて、観察されたテキストと推論的に関係する命題の集合を生成する。
本研究は,NLPにおいて,文字のみではなく,観察された言語の背景にある意味をモデル化することが重要であることを示唆する。
論文 参考訳(メタデータ) (2023-05-23T23:45:20Z) - An Inclusive Notion of Text [69.36678873492373]
テキストの概念の明確さは再現可能で一般化可能なNLPにとって不可欠である,と我々は主張する。
言語的および非言語的要素の2層分類を導入し,NLPモデリングに使用することができる。
論文 参考訳(メタデータ) (2022-11-10T14:26:43Z) - A Comprehensive Survey of Natural Language Generation Advances from the
Perspective of Digital Deception [1.557442325082254]
自然言語生成(NLG)の分野について概観する。
NLGを構成する中心概念の高レベル分類について概説する。
我々は、既存のテキスト生成システムでしばしば現れるバイアスのリスクを含む、NLGの幅広い課題について論じる。
論文 参考訳(メタデータ) (2022-08-11T11:27:38Z) - A Survey on Retrieval-Augmented Text Generation [53.04991859796971]
Retrieval-augmented text generationは顕著な利点があり、多くのNLPタスクで最先端のパフォーマンスを実現している。
まず、検索拡張生成の一般的なパラダイムを強調し、異なるタスクに応じて注目すべきアプローチをレビューする。
論文 参考訳(メタデータ) (2022-02-02T16:18:41Z) - Positioning yourself in the maze of Neural Text Generation: A
Task-Agnostic Survey [54.34370423151014]
本稿では, ストーリーテリング, 要約, 翻訳など, 世代ごとのタスクインパクトをリレーする手法の構成要素について検討する。
本稿では,学習パラダイム,事前学習,モデリングアプローチ,復号化,各分野における重要な課題について,命令的手法の抽象化を提案する。
論文 参考訳(メタデータ) (2020-10-14T17:54:42Z) - What Changed Your Mind: The Roles of Dynamic Topics and Discourse in
Argumentation Process [78.4766663287415]
本稿では,議論の説得力において重要な要因を自動的に分析する研究について述べる。
議論的会話における潜在トピックや談話の変化を追跡できる新しいニューラルモデルを提案する。
論文 参考訳(メタデータ) (2020-02-10T04:27:48Z)
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。