論文の概要: Reformulating Sentence Ordering as Conditional Text Generation
- arxiv url: http://arxiv.org/abs/2104.07064v1
- Date: Wed, 14 Apr 2021 18:16:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-16 15:06:50.824075
- Title: Reformulating Sentence Ordering as Conditional Text Generation
- Title（参考訳）: 条件付きテキスト生成における文順の修正
- Authors: Somnath Basu Roy Chowdhury, Faeze Brahman, Snigdha Chaturvedi
- Abstract要約: 文順序フレームワークであるReorder-BART(RE-BART)を紹介します。
タスクを条件付きテキスト-マーカー生成設定として再構成します。
私たちのフレームワークは、Perfect Match Ratio(PMR)とKendallのtau($tau$)メトリックの6つのデータセットにわたる最先端のパフォーマンスを実現します。
- 参考スコア（独自算出の注目度）: 17.91448517871621
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The task of organizing a shuffled set of sentences into a coherent text is
important in NLP and has been used to evaluate a machine's understanding of
causal and temporal relations. We present Reorder-BART (RE-BART), a sentence
ordering framework which leverages a pre-trained transformer-based model to
identify a coherent order for a given set of shuffled sentences. We reformulate
the task as a conditional text-to-marker generation setup where the input is a
set of shuffled sentences with sentence-specific markers and output is a
sequence of position markers of the ordered text. Our framework achieves the
state-of-the-art performance across six datasets in Perfect Match Ratio (PMR)
and Kendall's tau ($\tau$) metric. We perform evaluations in a zero-shot
setting, showcasing that our model is able to generalize well across other
datasets. We additionally perform a series of experiments to understand the
functioning and explore the limitations of our framework.
- Abstract（参考訳）: 文のシャッフルセットをコヒーレントテキストに整理する作業は、NLPにおいて重要であり、機械の因果関係と時間的関係の理解を評価するために用いられてきた。
本稿では、事前学習したトランスフォーマーモデルを用いて、与えられたシャッフル文集合のコヒーレント順序を識別する文順序付けフレームワークであるReorder-BART(RE-BART)を提案する。
入力が文固有のマーカーを持つシャッフル文の集合であり、出力は順序付けられたテキストの位置マーカーのシーケンスである条件付きテキスト-マーカー生成設定としてタスクを再構築する。
我々のフレームワークは、PMR(Perfect Match Ratio)とKendall's tau(\tau$)の6つのデータセットにわたる最先端のパフォーマンスを実現する。
ゼロショット設定で評価を行い、モデルが他のデータセットをまたいでうまく一般化できることを示します。
さらに、機能を理解し、フレームワークの限界を探求するための一連の実験も行います。
関連論文リスト
- Compositional Generalization for Data-to-Text Generation [86.79706513098104]
本稿では,群に述語をクラスタ化することで構成一般化に対処する新しいモデルを提案する。
本モデルでは,1つの述語を1度に1つのクラスタに依存して文単位でテキストを生成する。
すべての評価指標でT5ベースラインをはるかに上回る。
論文 参考訳（メタデータ） (2023-12-05T13:23:15Z) - Instruction Position Matters in Sequence Generation with Large Language
Models [67.87516654892343]
大規模言語モデル(LLM)は、翻訳や要約といった条件付きシーケンス生成タスクを実行することができる。
入力文の後にタスク命令の位置をシフトさせることにより,LLMの指示追従能力を向上させることを提案する。
論文 参考訳（メタデータ） (2023-08-23T12:36:57Z) - Evaluating Factual Consistency of Texts with Semantic Role Labeling [3.1776833268555134]
本稿では,テキスト要約を念頭に設計した参照不要評価指標SRLScoreを紹介する。
最終事実度スコアは、調整可能なスコアリング機構により算出される。
英語の要約データセットにおける人間の判断との相関は、SRLScoreが最先端の手法と競合していることを示している。
論文 参考訳（メタデータ） (2023-05-22T17:59:42Z) - Revisiting text decomposition methods for NLI-based factuality scoring
of summaries [9.044665059626958]
細粒度分解が必ずしも事実性スコアの勝利戦略であるとは限らないことを示す。
また,従来提案されていたエンテーメントに基づくスコアリング手法の小さな変更により,性能が向上することを示した。
論文 参考訳（メタデータ） (2022-11-30T09:54:37Z) - Text Summarization with Oracle Expectation [88.39032981994535]
抽出要約は、文書の中で最も重要な文を識別し、連結することによって要約を生成する。
ほとんどの要約データセットは、文書文が要約に値するかどうかを示す金のラベルを持っていない。
本稿では,ソフトな予測に基づく文ラベルを生成する,シンプルで効果的なラベル付けアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-09-26T14:10:08Z) - Towards Document-Level Paraphrase Generation with Sentence Rewriting and
Reordering [88.08581016329398]
文書レベルのパラフレーズ生成のためのCoRPG(Coherence Relation Guided Paraphrase Generation)を提案する。
グラフGRUを用いて、コヒーレンス関係グラフを符号化し、各文のコヒーレンス対応表現を得る。
我々のモデルは、より多様性とセマンティックな保存を伴う文書パラフレーズを生成することができる。
論文 参考訳（メタデータ） (2021-09-15T05:53:40Z) - Using BERT Encoding and Sentence-Level Language Model for Sentence
Ordering [0.9134244356393667]
本稿では,短い記事のコーパスにおける文順序付けのアルゴリズムを提案する。
提案手法では,アテンション機構を用いて文の依存関係をキャプチャするUniversal Transformer (UT) に基づく言語モデルを用いる。
提案モデルには文、言語モデル、Brute Force Searchによる文配列の3つのコンポーネントが含まれている。
論文 参考訳（メタデータ） (2021-08-24T23:03:36Z) - ToTTo: A Controlled Table-To-Text Generation Dataset [61.83159452483026]
ToTToはオープンドメインの英語のテーブル・トゥ・テキストのデータセットで、12万以上のトレーニングサンプルがある。
本稿では、ウィキペディアから既存の候補文を直接修正するデータセット構築プロセスを紹介する。
通常流動的であるが、既存の方法は多くの場合、表がサポートしていないフレーズを幻覚させる。
論文 参考訳（メタデータ） (2020-04-29T17:53:45Z) - Extractive Summarization as Text Matching [123.09816729675838]
本稿では,ニューラル抽出要約システムの構築方法に関するパラダイムシフトを作成する。
抽出した要約タスクを意味テキストマッチング問題として定式化する。
我々はCNN/DailyMailの最先端抽出結果を新しいレベル(ROUGE-1の44.41)に推し進めた。
論文 参考訳（メタデータ） (2020-04-19T08:27:57Z)
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。