論文の概要: Domain Controlled Title Generation with Human Evaluation

• arxiv url: http://arxiv.org/abs/2103.05069v1
• Date: Mon, 8 Mar 2021 20:55:55 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-11 17:57:00.629061
• Title: Domain Controlled Title Generation with Human Evaluation
• Title（参考訳）: 人間評価によるドメイン制御型タイトル生成
• Authors: Abdul Waheed, Muskan Goyal, Nimisha Mittal, Deepak Gupta
• Abstract要約: 良いタイトルは、あなたの研究に値する注目を集めることができます。 ドメイン制御のタイトルでは、事前学習されたテキストからテキストへのトランスフォーマーモデルと追加のトークン技術を使用しました。 タイトルトークンは、グローバル語彙ではなく、ドメイン固有の語彙のローカル分布(グローバル語彙のサブセット)からサンプリングされます。
• 参考スコア（独自算出の注目度）: 2.5505887482902287
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study automatic title generation and present a method for generating domain-controlled titles for scientific articles. A good title allows you to get the attention that your research deserves. A title can be interpreted as a high-compression description of a document containing information on the implemented process. For domain-controlled titles, we used the pre-trained text-to-text transformer model and the additional token technique. Title tokens are sampled from a local distribution (which is a subset of global vocabulary) of the domain-specific vocabulary and not global vocabulary, thereby generating a catchy title and closely linking it to its corresponding abstract. Generated titles looked realistic, convincing, and very close to the ground truth. We have performed automated evaluation using ROUGE metric and human evaluation using five parameters to make a comparison between human and machine-generated titles. The titles produced were considered acceptable with higher metric ratings in contrast to the original titles. Thus we concluded that our research proposes a promising method for domain-controlled title generation.
• Abstract（参考訳）: 本稿では,学術論文の自動タイトル生成とドメイン制御タイトル生成手法を提案する。 良いタイトルは、あなたの研究に値する注目を集めることができます。 タイトルは、実装プロセスに関する情報を含むドキュメントの圧縮記述として解釈することができる。 ドメイン制御のタイトルでは、事前学習されたテキストからテキストへのトランスフォーマーモデルと追加のトークン技術を使用しました。 タイトルトークンは、グローバル語彙ではなく、ドメイン固有の語彙のローカル分布(グローバル語彙のサブセット)からサンプリングされ、キャッチーなタイトルを生成し、それに対応する抽象と密接に結び付けます。 生成されたタイトルは現実的で説得力があり、地上の真実に非常に近く見えました。 ROUGEメトリックと人間による評価を5つのパラメータを用いて自動評価し,人名と機械名の比較を行った。 制作されたタイトルは、オリジナルのタイトルとは対照的に、より高い評価で受け入れられた。 そこで本研究では,有望なドメイン制御タイトル生成手法を提案する。

関連論文リスト

• Can pre-trained language models generate titles for research papers? [3.3489486000815765]
  本稿では,論文のタイトルを要約から生成するために,事前学習した言語モデルを微調整する。 また、ゼロショット設定でGPT-3.5-turboを使用して、紙のタイトルを生成する。 我々の観察では、AIが生成した論文のタイトルは一般的に正確で適切であることが示唆されている。
  論文  参考訳（メタデータ） (2024-09-22T21:34:49Z)
• VacancySBERT: the approach for representation of titles and skills for semantic similarity search in the recruitment domain [0.0]
  本稿では、HRドメインに適用されたディープラーニングセマンティックサーチアルゴリズムに焦点を当てた。 この記事の目的は、求人広告で言及されているスキルとタイトルを結びつけるために、シームズネットワークをトレーニングする新しいアプローチを開発することである。
  論文  参考訳（メタデータ） (2023-07-31T13:21:15Z)
• Multimodal Prompt Learning for Product Title Generation with Extremely Limited Labels [66.54691023795097]
  本稿では,ラベルが限定された新商品のタイトルを生成するためのプロンプトベースアプローチ,すなわちマルチモーダル・プロンプト学習フレームワークを提案する。 我々は、新しい製品の対応する特性と書体を維持するために、異なるモダリティから多モーダルなプロンプトのセットを構築する。 トレーニング用ラベル付きデータの完全化により,本手法は最先端の結果が得られる。
  論文  参考訳（メタデータ） (2023-07-05T00:40:40Z)
• So Different Yet So Alike! Constrained Unsupervised Text Style Transfer [54.4773992696361]
  本稿では,GAN(Generative Adversarial Network)モデルに2つの相補的損失を導入することによって,制約付き教師なしテキストスタイル転送を実現する手法を提案する。 GANにおける競合的損失とは違って,識別器とジェネレータが協調して同じ損失を減少させる協調的損失を導入する。 自動評価と人的評価の両方法により, 相補的な協調的損失がテキスト品質を向上させることを示す。
  論文  参考訳（メタデータ） (2022-05-09T07:46:40Z)
• Keyphrase Generation Beyond the Boundaries of Title and Abstract [28.56508031460787]
  キーワード生成は、与えられた文書を最もよく記述するフレーズ(キーワード)を生成することを目的としている。 本研究では、意味論的に類似した記事からの追加データの統合や、与えられた記事の全文の統合が、ニューラルキーフレーズ生成モデルに役立つかどうかを考察する。 特に記事の要約形式で全文から文を追加することは、両方のキーフレーズの生成を著しく改善することを発見した。
  論文  参考訳（メタデータ） (2021-12-13T16:33:01Z)
• Development of an Extractive Title Generation System Using Titles of Papers of Top Conferences for Intermediate English Students [0.0]
  本研究では,抽象語から抽出したキーワードからタイトルを定式化する抽出タイトル生成システムを開発した。 また,紙のタイトルの適切性を評価できるタイトル評価モデルも実現した。 その結果,評価モデルでは,中学生や初心者の生徒よりも,トップコンファレンスタイトルを効果的に識別できることがわかった。
  論文  参考訳（メタデータ） (2021-10-08T15:41:27Z)
• DeepTitle -- Leveraging BERT to generate Search Engine Optimized Headlines [0.0]
  本稿では,事前学習した言語モデルを用いて,ドイツ語のニュース見出し生成を抽象化する方法について紹介する。 我々は,抽象的なテキスト要約のための細調整技術,すなわちエンコーダとデコーダに異なるベイトを使用する技術の現状を取り入れた。 ドイツのニュースデータセット上で実験を行い, ROUGE-L-gram Fスコアを40.02で達成した。
  論文  参考訳（メタデータ） (2021-07-22T21:32:54Z)
• Accelerating Text Mining Using Domain-Specific Stop Word Lists [57.76576681191192]
  本稿では,超平面的アプローチと呼ばれるドメイン固有語の自動抽出手法を提案する。 ハイパープレーンベースのアプローチは、無関係な特徴を排除することによって、テキストの寸法を著しく削減することができる。 その結果,超平面型アプローチはコーパスの寸法を90%削減し,相互情報より優れることがわかった。
  論文  参考訳（メタデータ） (2020-11-18T17:42:32Z)
• CMT in TREC-COVID Round 2: Mitigating the Generalization Gaps from Web to Special Domain Search [89.48123965553098]
  本稿では,特殊領域適応問題を緩和する探索システムを提案する。 このシステムは、ドメイン適応型事前学習と数発の学習技術を利用して、ニューラルネットワークがドメインの不一致を軽減するのに役立つ。 本システムでは,TREC-COVID タスクの第2ラウンドにおいて,非マニュアル実行において最善を尽くす。
  論文  参考訳（メタデータ） (2020-11-03T09:10:48Z)
• Addressing Zero-Resource Domains Using Document-Level Context in Neural Machine Translation [80.40677540516616]
  ドメイン内の並列データが利用できない場合、文書レベルのコンテキストへのアクセスにより、ドメインの一般性をよりよくキャプチャできることを示す。 文書レベルのトランスフォーマーモデルとして,大きなコンテキストサイズを利用できる2つのモデルを提案する。
  論文  参考訳（メタデータ） (2020-04-30T16:28:19Z)
• Structured Domain Adaptation with Online Relation Regularization for Unsupervised Person Re-ID [62.90727103061876]
  Unsupervised Domain adapt(UDA)は、ラベル付きソースドメインデータセットでトレーニングされたモデルを、ラベルなしのターゲットドメインデータセットに適応させることを目的としている。 本稿では,オンライン関係整合性正規化項を用いたエンドツーエンドなドメイン適応フレームワークを提案する。 提案手法は,複数のUDAタスクにおける人物再IDの最先端性能を実現することを目的としている。
  論文  参考訳（メタデータ） (2020-03-14T14:45:18Z)

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。