論文の概要: Nutri-bullets: Summarizing Health Studies by Composing Segments

• arxiv url: http://arxiv.org/abs/2103.11921v1
• Date: Mon, 22 Mar 2021 15:08:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-23 14:40:08.903587
• Title: Nutri-bullets: Summarizing Health Studies by Composing Segments
• Title（参考訳）: 栄養胞:セグメント構成による健康研究の要約
• Authors: Darsh J Shah, Lili Yu, Tao Lei and Regina Barzilay
• Abstract要約: 複数の科学的研究から、食品と健康に関する2つのデータセットを提示する。 本研究では, 限定並列データの系統における問題を解くために, 新規な抽出合成モデルを提案する。 最先端のメソッドと比較して、このアプローチはより忠実で関連性があり、多種多様な要約をもたらします。
• 参考スコア（独自算出の注目度）: 36.95954983680022
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We introduce \emph{Nutri-bullets}, a multi-document summarization task for health and nutrition. First, we present two datasets of food and health summaries from multiple scientific studies. Furthermore, we propose a novel \emph{extract-compose} model to solve the problem in the regime of limited parallel data. We explicitly select key spans from several abstracts using a policy network, followed by composing the selected spans to present a summary via a task specific language model. Compared to state-of-the-art methods, our approach leads to more faithful, relevant and diverse summarization -- properties imperative to this application. For instance, on the BreastCancer dataset our approach gets a more than 50\% improvement on relevance and faithfulness.\footnote{Our code and data is available at \url{https://github.com/darsh10/Nutribullets.}}
• Abstract（参考訳）: 健康と栄養に関するマルチドキュメント要約タスクである \emph{nutri-bullets} を紹介する。 まず、複数の科学的研究から、食品と健康に関する2つのデータセットを提示する。 さらに,制限された並列データのレジームにおける問題を解くために,新しい \emph{extract-compose}モデルを提案する。 ポリシーネットワークを用いて、いくつかの抽象概念からキースパンを明示的に選択し、次に選択したスパンを作成し、タスク固有の言語モデルを通して要約を提示する。 最先端の手法と比較して、このアプローチはより忠実で関連性があり、多種多様な要約をもたらします。 例えば、BreastCancerデータセットでは、私たちのアプローチは、関連性と忠実性に関して50%以上改善されています。

関連論文リスト

• JADS: A Framework for Self-supervised Joint Aspect Discovery and Summarization [3.992091862806936]
  私たちのソリューションはトピックの発見と要約をひとつのステップに統合します。 テキストデータから,JADS(Joint Aspect Discovery and Summarization Algorithm)が入力からアスペクトを検出する。 提案手法は,地上の真理と高いセマンティックアライメントを実現し,現実的である。
  論文  参考訳（メタデータ） (2024-05-28T23:01:57Z)
• VideoXum: Cross-modal Visual and Textural Summarization of Videos [54.0985975755278]
  我々は新しい共同ビデオとテキスト要約タスクを提案する。 目標は、短縮されたビデオクリップと、長いビデオから対応するテキスト要約の両方を生成することだ。 生成された短縮ビデオクリップとテキストナラティブは、セマンティックに適切に調整されるべきである。
  論文  参考訳（メタデータ） (2023-03-21T17:51:23Z)
• ReSel: N-ary Relation Extraction from Scientific Text and Tables by Learning to Retrieve and Select [53.071352033539526]
  学術論文からN-ary関係を抽出する問題について考察する。 提案手法であるReSelは,このタスクを2段階のプロシージャに分解する。 3つの科学的情報抽出データセットに対する実験により、ReSelは最先端のベースラインを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2022-10-26T02:28:02Z)
• SgSum: Transforming Multi-document Summarization into Sub-graph Selection [27.40759123902261]
  既存の抽出多文書要約(MDS)手法は、各文を個別にスコアし、一つずつ有能な文を抽出して要約を構成する。 サブグラフ選択問題としてMDSタスクを定式化する新しいMDSフレームワーク(SgSum)を提案する。 我々のモデルは従来のMDS法と比較して、より一貫性があり、情報的な要約を生成できる。
  論文  参考訳（メタデータ） (2021-10-25T05:12:10Z)
• Multiplex Graph Neural Network for Extractive Text Summarization [34.185093491514394]
  抽出テキスト要約は、ある文書から最も代表的な文章を要約として抽出することを目的としている。 文と単語の異なる関係を共同でモデル化する新しい多重グラフ畳み込みネットワーク(Multi-GCN)を提案する。 マルチGCNに基づいて,抽出テキスト要約のための多重グラフ要約(Multi-GraS)モデルを提案する。
  論文  参考訳（メタデータ） (2021-08-29T16:11:01Z)
• On Generating Extended Summaries of Long Documents [16.149617108647707]
  本稿では,長論文の拡張要約を生成する新しい手法を提案する。 本手法は,文書の階層構造を利用して抽出要約モデルに組み込む。 分析の結果,提案手法は,要約文に好適な抽出確率分布を調整できることが示唆された。
  論文  参考訳（メタデータ） (2020-12-28T08:10:28Z)
• Topic-Guided Abstractive Text Summarization: a Joint Learning Approach [19.623946402970933]
  本稿では,抽象テキスト要約のための新しいアプローチ,トピックガイドによる抽象要約を提案する。 ニューラルネットワークをTransformerベースのシーケンス・ツー・シーケンス(seq2seq)モデルに結合学習フレームワークに組み込むことが目的だ。
  論文  参考訳（メタデータ） (2020-10-20T14:45:25Z)
• Leveraging Graph to Improve Abstractive Multi-Document Summarization [50.62418656177642]
  我々は、文書のよく知られたグラフ表現を活用することができる、抽象的多文書要約(MDS)モデルを開発する。 本モデルでは,長い文書の要約に欠かせない文書間関係を捉えるために,文書の符号化にグラフを利用する。 また,このモデルでは,要約生成プロセスの導出にグラフを利用することが可能であり,一貫性と簡潔な要約を生成するのに有用である。
  論文  参考訳（メタデータ） (2020-05-20T13:39:47Z)
• Heterogeneous Graph Neural Networks for Extractive Document Summarization [101.17980994606836]
  クロス文関係は、抽出文書要約における重要なステップである。 We present a graph-based neural network for extractive summarization (HeterSumGraph) 抽出文書要約のためのグラフベースニューラルネットワークに異なる種類のノードを導入する。
  論文  参考訳（メタデータ） (2020-04-26T14:38:11Z)
• Pre-training for Abstractive Document Summarization by Reinstating Source Text [105.77348528847337]
  本稿では,Seq2Seqに基づく非ラベルテキストによる抽象要約モデルの事前学習を可能にする3つの事前学習目標を提案する。 2つのベンチマーク要約データセットの実験では、3つの目的がすべてベースラインでパフォーマンスを向上させることが示されている。
  論文  参考訳（メタデータ） (2020-04-04T05:06:26Z)

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。