Fugu-MT 論文翻訳(概要): Cisco at AAAI-CAD21 shared task: Predicting Emphasis in Presentation Slides using Contextualized Embeddings

論文の概要: Cisco at AAAI-CAD21 shared task: Predicting Emphasis in Presentation Slides using Contextualized Embeddings

arxiv url: http://arxiv.org/abs/2101.11422v2
Date: Tue, 9 Feb 2021 07:34:10 GMT
ステータス: 処理完了
システム内更新日: 2021-04-08 08:24:32.861376
Title: Cisco at AAAI-CAD21 shared task: Predicting Emphasis in Presentation Slides using Contextualized Embeddings
Title（参考訳）: Cisco at AAAI-CAD21 shared task: Predicting Emphasis in Presentation Slides using Contextualized Embeddings
Authors: Sreyan Ghosh, Sonal Kumar, Harsh Jalan, Hemant Yadav, Rajiv Ratn Shah
Abstract要約: 本稿では,AAAI-CAD21共有タスクのプレゼンテーションスライドにおける強調予測システムについて述べる。本稿では,BiLSTM-ELMoアプローチとRoBERTaとXLNetアーキテクチャに基づくトランスフォーマ方式の2つのアプローチを提案する。
参考スコア（独自算出の注目度）: 30.4837877966434
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This paper describes our proposed system for the AAAI-CAD21 shared task: Predicting Emphasis in Presentation Slides. In this specific task, given the contents of a slide we are asked to predict the degree of emphasis to be laid on each word in the slide. We propose 2 approaches to this problem including a BiLSTM-ELMo approach and a transformers based approach based on RoBERTa and XLNet architectures. We achieve a score of 0.518 on the evaluation leaderboard which ranks us 3rd and 0.543 on the post-evaluation leaderboard which ranks us 1st at the time of writing the paper.
Abstract（参考訳）: 本稿では,AAAI-CAD21共有タスクのプレゼンテーションスライドにおける強調予測システムについて述べる。この特定のタスクでは、スライドの内容を考えると、スライド内の各単語に置かれる強調の度合いを予測するように求められます。本稿では,BiLSTM-ELMoアプローチとRoBERTaとXLNetアーキテクチャに基づくトランスフォーマ方式の2つのアプローチを提案する。第3位と第0.543位の評価リーダボードのスコア0.518を、論文執筆時点で第1位とランク付けされた評価リーダボード上で達成する。

関連論文リスト

GersteinLab at MEDIQA-Chat 2023: Clinical Note Summarization from Doctor-Patient Conversations through Fine-tuning and In-context Learning [4.2570830892708225]
本稿では,サブタスクAとサブタスクBの両方を含む,MEDIQA-2023 Dialogue2Note共有タスクへのコントリビューションについて述べる。本稿では,対話要約問題としてタスクにアプローチし,a)事前学習した対話要約モデルとGPT-3の微調整,およびb)大規模言語モデルであるGPT-4を用いた少数ショットインコンテキスト学習(ICL)の2つのパイプラインを実装した。どちらの方法もROUGE-1 F1、BERTScore F1(deberta-xlarge-mnli)、BLEURTで優れた結果が得られる。
論文参考訳（メタデータ） (2023-05-08T19:16:26Z)
ETMS@IITKGP at SemEval-2022 Task 10: Structured Sentiment Analysis Using A Generative Approach [1.219140169445581]
構造化感性分析(Structured Sentiment Analysis, SSA)は、テキスト中の意見の抽出を扱う。本稿では,SemEval共有タスクであるSSAを解くための新しい統合生成手法を提案する。我々はモノリンガルサブタスクとクロスランガルサブタスクの両方に対して厳格な実験を行い、両方の設定でリーダーボード上で競争力のあるセンティメントF1スコアを達成する。
論文参考訳（メタデータ） (2022-05-01T10:39:53Z)
Cisco at SemEval-2021 Task 5: What's Toxic?: Leveraging Transformers for Multiple Toxic Span Extraction from Online Comments [1.332560004325655]
本稿では,SemEval-2021 Task 5: Toxic Spans DetectionのためのチームCiscoによって提案されたシステムについて述べる。我々は主に、シーケンスタグ付けアプローチと依存性解析アプローチの2つの方法でこの問題に取り組みます。このアプローチにおける最高のパフォーマンスアーキテクチャもまた、F1スコア0.6922で、全体として最高のパフォーマンスアーキテクチャであることを証明しました。
論文参考訳（メタデータ） (2021-05-28T16:27:49Z)
Exemplar-Based Open-Set Panoptic Segmentation Network [79.99748041746592]
我々は、オープンワールドにパン光学セグメンテーションを拡張し、オープンセットのパン光学セグメンテーション(OPS)タスクを導入する。本研究では,タスクの実践的課題を調査し,既存のデータセットであるCOCO上にベンチマークを構築する。本稿では,エスペクティブ理論に着想を得た,エスペクティブ・ベース・オープン・セット・パノプティブ・セグメンテーション・ネットワーク(EOPSN)を提案する。
論文参考訳（メタデータ） (2021-05-18T07:59:21Z)
D2S: Document-to-Slide Generation Via Query-Based Text Summarization [27.576875048631265]
我々は、最近のNLPおよびMLカンファレンスの論文とそれに対応するスライドデッキからなる新しいデータセット、SciDuetをコントリビュートする。第2に,文書からスライドまでのタスクに2段階のアプローチで取り組む新しいシステムD2Sを提案する。私たちの評価は、長期形式のQAは、自動化されたROUGEメトリクスと定性的な人間評価の両方の最先端の要約ベースラインを上回ることを示唆しています。
論文参考訳（メタデータ） (2021-05-08T10:29:41Z)
DOC2PPT: Automatic Presentation Slides Generation from Scientific Documents [76.19748112897177]
文書・スライド生成のための新しい課題とアプローチを提案する。エンドツーエンドでタスクに取り組むための階層的なシーケンス・ツー・シーケンスアプローチを提案する。提案手法では,文書やスライド内の固有構造を利用して,パラフレーズとレイアウト予測モジュールを組み込んでスライドを生成する。
論文参考訳（メタデータ） (2021-01-28T03:21:17Z)
NEMO: Frequentist Inference Approach to Constrained Linguistic Typology Feature Prediction in SIGTYP 2020 Shared Task [83.43738174234053]
タイプ的特徴間の相関関係を表現するために頻繁な推論を用い、この表現を用いて、個々の特徴を予測する単純なマルチクラス推定器を訓練する。テスト言語149言語に対して,マイクロ平均精度0.66を達成できた。
論文参考訳（メタデータ） (2020-10-12T19:25:43Z)
Conversational Semantic Parsing [50.954321571100294]
共参照解決やコンテキスト転送といったセッションベースのプロパティは、パイプラインシステムで下流で処理される。 60kの発話からなる20kセッションからなる,セッションベースで構成型タスク指向構文解析データセットを新たにリリースする。セッションベース解析のためのSeq2Seqモデルの新たなファミリーを提案し、ATIS, SNIPS, TOP, DSTC2における現在の最先端技術と同等の性能を実現する。
論文参考訳（メタデータ） (2020-09-28T22:08:00Z)
Solomon at SemEval-2020 Task 11: Ensemble Architecture for Fine-Tuned Propaganda Detection in News Articles [0.3232625980782302]
本稿では,第11節「新聞記事におけるプロパガンダ技術の検出」に参画したシステム(ソロモン)の詳細と成果について述べる。プロパガンダデータセットの微調整にRoBERTaベースのトランスフォーマーアーキテクチャを使用した。他の参加システムと比較して、私たちの応募はリーダーボードで4位です。
論文参考訳（メタデータ） (2020-09-16T05:00:40Z)
Recognizing Families In the Wild: White Paper for the 4th Edition Data Challenge [91.55319616114943]
本稿では,Recognizing Families In the Wild(RFIW)評価における支援課題(親族検証,三対象検証,行方不明児の検索・検索)を要約する。本研究の目的は、2020年のRFIWチャレンジと、将来的な方向性の予測について述べることである。
論文参考訳（メタデータ） (2020-02-15T02:22:42Z)

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。