Fugu-MT 論文翻訳(概要): Summarization, Simplification, and Generation: The Case of Patents

論文の概要: Summarization, Simplification, and Generation: The Case of Patents

arxiv url: http://arxiv.org/abs/2104.14860v1
Date: Fri, 30 Apr 2021 09:28:29 GMT
ステータス: 処理完了
システム内更新日: 2021-05-03 13:44:58.638640
Title: Summarization, Simplification, and Generation: The Case of Patents
Title（参考訳）: 要約,単純化,生成:特許の場合
Authors: Silvia Casola and Alberto Lavelli
Abstract要約: 本調査は,特許の特徴と現状のNLPシステムへの疑問,b) 先行研究とその進化を批判的に提示すること,c) さらなる研究が必要である研究の方向性に注意を向けることを目的としたものである。私たちの知る限りでは、特許領域における生成的アプローチに関する最初の調査である。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We survey Natural Language Processing (NLP) approaches to summarizing, simplifying, and generating patents' text. While solving these tasks has important practical applications - given patents' centrality in the R&D process - patents' idiosyncrasies open peculiar challenges to the current NLP state of the art. This survey aims at a) describing patents' characteristics and the questions they raise to the current NLP systems, b) critically presenting previous work and its evolution, and c) drawing attention to directions of research in which further work is needed. To the best of our knowledge, this is the first survey of generative approaches in the patent domain.
Abstract（参考訳）: 我々は,特許のテキストを要約し,単純化し,生成するための自然言語処理(NLP)アプローチを調査した。これらの課題を解決する一方で、r&dプロセスにおける特許の集中性を考えると、特許の慣用性は、現在のnlp技術に特有の課題を開く。本調査は,特許の特徴と現状のNLPシステムへの疑問,b) 先行研究とその進化を批判的に提示すること,c) さらなる研究が必要である研究の方向性に注意を向けることを目的としたものである。私たちの知る限りでは、特許領域における生成的アプローチに関する最初の調査である。

関連論文リスト

Pap2Pat: Towards Automated Paper-to-Patent Drafting using Chunk-based Outline-guided Generation [13.242188189150987]
PAP2PATは、文書概要を含む1.8kの特許と特許のペアの新しい挑戦的なベンチマークである。現在のオープンウェイト LLM とアウトライン誘導型ジェネレーションによる実験は,特許言語の本質的な反復性のために,論文からの情報を効果的に活用できるが,繰り返しに苦慮していることを示している。
論文参考訳（メタデータ） (2024-10-09T15:52:48Z)
PatentGPT: A Large Language Model for Patent Drafting Using Knowledge-based Fine-tuning Method [1.4496326701907591]
既存の大規模言語モデル(LLM)は、専門知識の欠如とコンテキスト認識の欠如により、IP生成領域では不足することが多い。我々は,LLMの知識微調整(KFT)のための画期的なフレームワークを提案する。我々のモデルであるPatentGPTは、最先端モデルと比較して、特許関連のベンチマークテストで最大400%高い性能を示した。
論文参考訳（メタデータ） (2024-08-26T12:00:29Z)
A Survey on RAG Meeting LLMs: Towards Retrieval-Augmented Large Language Models [71.25225058845324]
大規模言語モデル(LLM)は、言語理解と生成において革命的な能力を示している。 Retrieval-Augmented Generation (RAG)は、信頼性と最新の外部知識を提供する。 RA-LLMは、モデルの内部知識に頼るのではなく、外部および権威的な知識ベースを活用するために登場した。
論文参考訳（メタデータ） (2024-05-10T02:48:45Z)
A Comprehensive Survey on AI-based Methods for Patents [14.090575139188422]
AIベースのツールは、特許サイクルにおける重要なタスクを合理化し、強化する機会を提供する。この学際的な調査は、AIと特許分析の交差点で働く研究者や実践者のリソースとして機能することを目的としている。
論文参考訳（メタデータ） (2024-04-02T20:44:06Z)
LLM-based Extraction of Contradictions from Patents [0.0]
本稿では,Prompt Engineeringに基づく特許文書からTRIZの矛盾を抽出する手法を提案する。以上の結果から,GPT-4 は既存のアプローチの真に代替するものであることが示唆された。
論文参考訳（メタデータ） (2024-03-21T09:36:36Z)
Natural Language Processing in Patents: A Survey [0.0]
重要な技術的および法的情報をカプセル化した特許は、自然言語処理(NLP)アプリケーションのための豊富なドメインを提供する。 NLP技術が発展するにつれて、大規模言語モデル(LLM)は一般的なテキスト処理や生成タスクにおいて優れた能力を示してきた。本稿は,NLP研究者に,この複雑な領域を効率的にナビゲートするために必要な知識を付与することを目的とする。
論文参考訳（メタデータ） (2024-03-06T23:17:16Z)
Report of the 1st Workshop on Generative AI and Law [78.62063815165968]
本報告では、生成AIと法に関する第1回ワークショップ(GenLaw)の開催状況について述べる。コンピュータサイエンスと法学の実践者や学者の学際的なグループが集まり、ジェネレーティブAI法がもたらす技術的、教義的、政策上の課題について議論した。
論文参考訳（メタデータ） (2023-11-11T04:13:37Z)
Regulation and NLP (RegNLP): Taming Large Language Models [51.41095330188972]
我々は,NLP研究が規制研究や隣接分野に近接することのメリットを論じる。我々は、規制とNLPに関する新しい多分野研究空間の開発を提唱する。
論文参考訳（メタデータ） (2023-10-09T09:22:40Z)
Towards Quantum Federated Learning [80.1976558772771]
量子フェデレートラーニング(Quantum Federated Learning)は、学習プロセスにおけるプライバシ、セキュリティ、効率性の向上を目的とする。我々は、QFLの原則、技術、および新しい応用について、包括的に理解することを目指している。 QFLの分野が進むにつれ、様々な産業でさらなるブレークスルーや応用が期待できる。
論文参考訳（メタデータ） (2023-06-16T15:40:21Z)
Evidentiality-guided Generation for Knowledge-Intensive NLP Tasks [59.761411682238645]
Retrieval-augmented Generation Modelは、多くの知識集約型NLPタスクにまたがって最先端のパフォーマンスを示している。生成器の訓練に、パスが出力をサポートするための正しい証拠を含むか否かに関わらず、パスの明快さを組み込む方法を導入する。
論文参考訳（メタデータ） (2021-12-16T08:18:47Z)
Retrieving and Reading: A Comprehensive Survey on Open-domain Question Answering [62.88322725956294]
OpenQAの最近の研究動向を概観し、特にニューラルMSC技術を導入したシステムに注目した。 Retriever-Reader' と呼ばれる最新の OpenQA アーキテクチャを導入し、このアーキテクチャに従うさまざまなシステムを分析します。次に、OpenQAシステムの開発における主要な課題について議論し、一般的に使用されるベンチマークの分析を提供する。
論文参考訳（メタデータ） (2021-01-04T04:47:46Z)

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。