論文の概要: QMSum: A New Benchmark for Query-based Multi-domain Meeting Summarization

• arxiv url: http://arxiv.org/abs/2104.05938v1
• Date: Tue, 13 Apr 2021 05:00:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-14 13:35:03.926771
• Title: QMSum: A New Benchmark for Query-based Multi-domain Meeting Summarization
• Title（参考訳）: QMSum: クエリベースのマルチドメインミーティング要約のための新しいベンチマーク
• Authors: Ming Zhong, Da Yin, Tao Yu, Ahmad Zaidi, Mutethia Mutuma, Rahul Jha, Ahmed Hassan Awadallah, Asli Celikyilmaz, Yang Liu, Xipeng Qiu, Dragomir Radev
• Abstract要約: QMSumは、複数のドメインで232のミーティングで1,808のクエリサマリーペアで構成されている。 find-then-summarizeメソッドを調査し、タスクに関する強力な要約ベースラインのセットを評価します。
• 参考スコア（独自算出の注目度）: 45.83402681068943
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Meetings are a key component of human collaboration. As increasing numbers of meetings are recorded and transcribed, meeting summaries have become essential to remind those who may or may not have attended the meetings about the key decisions made and the tasks to be completed. However, it is hard to create a single short summary that covers all the content of a long meeting involving multiple people and topics. In order to satisfy the needs of different types of users, we define a new query-based multi-domain meeting summarization task, where models have to select and summarize relevant spans of meetings in response to a query, and we introduce QMSum, a new benchmark for this task. QMSum consists of 1,808 query-summary pairs over 232 meetings in multiple domains. Besides, we investigate a locate-then-summarize method and evaluate a set of strong summarization baselines on the task. Experimental results and manual analysis reveal that QMSum presents significant challenges in long meeting summarization for future research. Dataset is available at \url{https://github.com/Yale-LILY/QMSum}.
• Abstract（参考訳）: ミーティングは人間のコラボレーションの重要なコンポーネントです。 会議数の増加が記録され、書き起こされていくにつれ、ミーティングの要約は、主要な決定と完了すべきタスクについて会議に出席したかもしれない、あるいは出席していないかもしれない人たちを思い出させるのに不可欠になっている。 しかし、複数の人やトピックを含む長いミーティングの全内容をカバーする単一の短い要約を作成するのは難しい。 異なるタイプのユーザのニーズを満たすために、モデルがクエリに応じてミーティングのスパンを選択して要約するクエリベースのマルチドメインミーティング要約タスクを定義し、このタスクの新しいベンチマークであるqmsumを紹介する。 QMSumは、複数のドメインで232のミーティングで1,808のクエリサマリーペアで構成されている。 さらに,positation-then-summarize法を調査し,タスクの強力な要約ベースラインを評価する。 実験結果と手動による分析により,QMSumは今後の研究の要約を長期にわたって行う上で重要な課題であることがわかった。 Dataset は \url{https://github.com/Yale-LILY/QMSum} で利用可能である。

関連論文リスト

• QFMTS: Generating Query-Focused Summaries over Multi-Table Inputs [63.98556480088152]
  表要約は、情報を簡潔で分かりやすいテキスト要約に凝縮するための重要な課題である。 本稿では,クエリ中心のマルチテーブル要約を導入することで,これらの制約に対処する新しい手法を提案する。 提案手法は,テーブルシリアライズモジュール,要約コントローラ,および大規模言語モデルからなり,ユーザの情報要求に合わせたクエリ依存のテーブル要約を生成する。
  論文  参考訳（メタデータ） (2024-05-08T15:05:55Z)
• Investigating Consistency in Query-Based Meeting Summarization: A Comparative Study of Different Embedding Methods [0.0]
  テキスト要約は自然言語処理(NLP)分野における有名な応用の1つである。 与えられたコンテキストに基づいて重要な情報による要約を自動的に生成することを目的としている。 本稿では,Microsoft が提案した "QMSum: A New Benchmark for Query-based Multi-domain Meeting Summarization" に着想を得た。 また,提案するLocaterモデルを用いて,与えられたテキストとクエリに基づいて関連するスパンを抽出し,それをSummarizerモデルで要約する。
  論文  参考訳（メタデータ） (2024-02-10T08:25:30Z)
• Improving Query-Focused Meeting Summarization with Query-Relevant Knowledge [71.14873115781366]
  本稿では,その課題に対処するため,知識認識要約器(KAS)と呼ばれる知識強化2段階のフレームワークを提案する。 最初の段階では、クエリ関連セグメント抽出を改善するために知識認識スコアを導入します。 第2段階では,クエリ関連知識を要約生成に取り入れる。
  論文  参考訳（メタデータ） (2023-09-05T10:26:02Z)
• VCSUM: A Versatile Chinese Meeting Summarization Dataset [25.695308276427166]
  我々は,239のリアルタイムミーティングからなる,VCSumと呼ばれる汎用的な中国の会議要約データセットを紹介する。 トピックセグメンテーション、見出し、セグメンテーションサマリー、全体会議サマリー、および各ミーティングスクリプティングに対する敬意的な文のアノテーションを提供する。 分析の結果,VCSumの有効性とロバスト性が確認された。
  論文  参考訳（メタデータ） (2023-05-09T09:07:15Z)
• Query-Utterance Attention with Joint modeling for Query-Focused Meeting Summarization [4.763356598070365]
  本稿では,クエリ・Utterance Attentionに基づく共同モデリングトークンと発話を用いた問合せ対応フレームワークを提案する。 異なる粒度のクエリ関連性は、クエリに関連する要約を生成するのに寄与することを示す。
  論文  参考訳（メタデータ） (2023-03-08T10:21:45Z)
• UniSumm and SummZoo: Unified Model and Diverse Benchmark for Few-Shot Summarization [54.59104881168188]
  textscUniSummは、複数の要約タスクで事前訓練された、統合された数ショットの要約モデルである。 textscSummZooは、スクリーンショットの要約をよりよく評価するための新しいベンチマークである。
  論文  参考訳（メタデータ） (2022-11-17T18:54:47Z)
• Text Summarization with Latent Queries [60.468323530248945]
  本稿では,LaQSumについて紹介する。LaQSumは,既存の問合せ形式と抽象的な要約のための文書から遅延クエリを学習する,最初の統一テキスト要約システムである。 本システムでは, 潜伏クエリモデルと条件付き言語モデルとを協調的に最適化し, ユーザがテスト時に任意のタイプのクエリをプラグイン・アンド・プレイできるようにする。 本システムでは,クエリタイプ,文書設定,ターゲットドメインの異なる要約ベンチマークにおいて,強力な比較システムの性能を強く向上させる。
  論文  参考訳（メタデータ） (2021-05-31T21:14:58Z)
• Abstractive Query Focused Summarization with Query-Free Resources [60.468323530248945]
  本稿では,汎用的な要約リソースのみを利用して抽象的なqfsシステムを構築する問題を考える。 本稿では,要約とクエリのための新しい統一表現からなるMasked ROUGE回帰フレームワークであるMargeを提案する。 最小限の監視から学習したにもかかわらず,遠隔管理環境において最先端の結果が得られた。
  論文  参考訳（メタデータ） (2020-12-29T14:39:35Z)

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。