Fugu-MT 論文翻訳(概要): A Comprehensive Attempt to Research Statement Generation

論文の概要: A Comprehensive Attempt to Research Statement Generation

arxiv url: http://arxiv.org/abs/2104.14339v1
Date: Sun, 25 Apr 2021 03:57:00 GMT
ステータス: 処理完了
システム内更新日: 2021-05-01 04:14:38.389476
Title: A Comprehensive Attempt to Research Statement Generation
Title（参考訳）: 文生成研究の包括的試み
Authors: Wenhao Wu and Sujian Li
Abstract要約: 本稿では,研究成果を要約した研究声明生成タスクを提案する。我々は、62の研究ステートメントと対応する1,203の出版物からなるrsgデータセットを構築した。提案手法は,コンテンツカバレッジとコヒーレンスを向上して,すべてのベースラインを上回ります。
参考スコア（独自算出の注目度）: 39.8491923428562
License: http://creativecommons.org/licenses/by/4.0/
Abstract: For a researcher, writing a good research statement is crucial but costs a lot of time and effort. To help researchers, in this paper, we propose the research statement generation (RSG) task which aims to summarize one's research achievements and help prepare a formal research statement. For this task, we conduct a comprehensive attempt including corpus construction, method design, and performance evaluation. First, we construct an RSG dataset with 62 research statements and the corresponding 1,203 publications. Due to the limitation of our resources, we propose a practical RSG method which identifies a researcher's research directions by topic modeling and clustering techniques and extracts salient sentences by a neural text summarizer. Finally, experiments show that our method outperforms all the baselines with better content coverage and coherence.
Abstract（参考訳）: 研究者にとって、優れた研究声明を書くことは重要だが、多くの時間と労力がかかる。本稿では,研究成果を要約し,正式な研究成果を作成することを目的とした研究成果生成(RSG)タスクを提案する。本研究では,コーパス構築,メソッド設計,性能評価などの総合的な試みを行う。まず、62の研究ステートメントと対応する1,203の出版物からなるrsgデータセットを構築する。資源の制限により,トピックモデリングとクラスタリング技術を用いて研究者の研究方向を特定し,ニューラルネットワーク要約器により有能な文章を抽出する実践的RSG手法を提案する。最後に,本手法は,コンテンツカバレッジとコヒーレンスを向上し,すべてのベースラインに優れることを示す。

関連論文リスト

DiscoveryBench: Towards Data-Driven Discovery with Large Language Models [50.36636396660163]
我々は、データ駆動探索の多段階プロセスを形式化する最初の包括的なベンチマークであるDiscoveryBenchを紹介する。我々のベンチマークには、社会学や工学などの6つの分野にまたがる264のタスクが含まれている。私たちのベンチマークでは、自律的なデータ駆動型発見の課題を説明し、コミュニティが前進するための貴重なリソースとして役立ちます。
論文参考訳（メタデータ） (2024-07-01T18:58:22Z)
SciRIFF: A Resource to Enhance Language Model Instruction-Following over Scientific Literature [80.49349719239584]
SciRIFF(Scientific Resource for Instruction-Following and Finetuning, SciRIFF)は、54のタスクに対して137Kの命令追従デモのデータセットである。 SciRIFFは、幅広い科学分野の研究文献から情報を抽出し、合成することに焦点を当てた最初のデータセットである。
論文参考訳（メタデータ） (2024-06-10T21:22:08Z)
SurveyAgent: A Conversational System for Personalized and Efficient Research Survey [50.04283471107001]
本稿では,研究者にパーソナライズされた効率的な調査支援を目的とした会話システムであるSurveyAgentを紹介する。 SurveyAgentは3つの重要なモジュールを統合している。文書を整理するための知識管理、関連する文献を発見するための勧告、より深いレベルでコンテンツを扱うためのクエリ回答だ。本評価は,研究活動の合理化におけるSurveyAgentの有効性を実証し,研究者の科学文献との交流を促進する能力を示すものである。
論文参考訳（メタデータ） (2024-04-09T15:01:51Z)
Acceleron: A Tool to Accelerate Research Ideation [15.578814192003437]
Acceleronは、研究ライフサイクルの異なるフェーズのための研究アクセラレータである。これは、新しい研究課題を含む包括的な研究提案の定式化を通じて、研究者を導くものである。我々はLarge Language Models(LLM)の推論とドメイン固有のスキルを活用してエージェントベースのアーキテクチャを作成します。
論文参考訳（メタデータ） (2024-03-07T10:20:06Z)
A Reliable Knowledge Processing Framework for Combustion Science using Foundation Models [0.0]
この研究は、多様な燃焼研究データを処理し、実験研究、シミュレーション、文献にまたがるアプローチを導入している。開発されたアプローチは、データのプライバシと精度を最適化しながら、計算と経済の費用を最小化する。このフレームワークは、最小限の人間の監視で、常に正確なドメイン固有の応答を提供する。
論文参考訳（メタデータ） (2023-12-31T17:15:25Z)
Navigating the reporting guideline environment for computational pathology: A review [0.685316573653194]
本研究の目的は、計算病理学に携わる研究者が利用できる資源と報告ガイドラインを強調することである。有用なリソースやガイダンスを簡単に識別するための要約を作成するために、アイテムがコンパイルされた。病理AI研究に適用可能な70以上のリソースが特定された。
論文参考訳（メタデータ） (2023-01-03T23:17:51Z)
Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文参考訳（メタデータ） (2022-07-18T11:38:32Z)
Research Scholar Interest Mining Method based on Load Centrality [15.265191824669555]
本稿では,負荷集中度に基づく研究研究者の関心マイニングアルゴリズムを提案する。各トピックの地域構造は、ノードの集中度研究モデルの重みを正確に計算するために使用することができる。本稿では, 負荷率センタに基づく科学的研究協力により, 科学的研究研究者の関心を効果的に抽出することができる。
論文参考訳（メタデータ） (2022-03-21T04:16:46Z)
From Standard Summarization to New Tasks and Beyond: Summarization with Manifold Information [77.89755281215079]
テキスト要約は、原文書の短く凝縮した版を作成することを目的とした研究分野である。現実世界のアプリケーションでは、ほとんどのデータは平易なテキスト形式ではない。本稿では,現実のアプリケーションにおけるこれらの新しい要約タスクとアプローチについて調査する。
論文参考訳（メタデータ） (2020-05-10T14:59:36Z)
Two Huge Title and Keyword Generation Corpora of Research Articles [0.0]
本稿では,テキスト要約(OAGSX)とキーワード生成(OAGKX)の2つの巨大なデータセットを紹介する。データは、研究プロファイルと出版物のネットワークであるOpen Academic Graphから取得された。より具体的な分野から研究論文のサブセットを導出するために、この2つの集合にトピックモデリングを適用したい。
論文参考訳（メタデータ） (2020-02-11T21:17:29Z)

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。