Fugu-MT 論文翻訳(概要): Semantic Extractor-Paraphraser based Abstractive Summarization

論文の概要: Semantic Extractor-Paraphraser based Abstractive Summarization

arxiv url: http://arxiv.org/abs/2105.01296v1
Date: Tue, 4 May 2021 05:24:28 GMT
ステータス: 処理完了
システム内更新日: 2021-05-05 18:21:53.076124
Title: Semantic Extractor-Paraphraser based Abstractive Summarization
Title（参考訳）: semantic extractor-paraphraser based abstractive summarization
Authors: Anubhav Jangra, Raghav Jain, Vaibhav Mavi, Sriparna Saha, Pushpak Bhattacharyya
Abstract要約: 本稿では,意味的重複を利用した抽出-パラフレーザーベース抽象要約システムを提案する。私達のモデルはROUGE、METEORおよび単語の類似性(WMS)の点では最先端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）: 40.05739160204135
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The anthology of spoken languages today is inundated with textual information, necessitating the development of automatic summarization models. In this manuscript, we propose an extractor-paraphraser based abstractive summarization system that exploits semantic overlap as opposed to its predecessors that focus more on syntactic information overlap. Our model outperforms the state-of-the-art baselines in terms of ROUGE, METEOR and word mover similarity (WMS), establishing the superiority of the proposed system via extensive ablation experiments. We have also challenged the summarization capabilities of the state of the art Pointer Generator Network (PGN), and through thorough experimentation, shown that PGN is more of a paraphraser, contrary to the prevailing notion of a summarizer; illustrating it's incapability to accumulate information across multiple sentences.
Abstract（参考訳）: 現在,音声言語のアンソロジーはテキスト情報に埋もれており,自動要約モデルの開発が必要である。本稿では,構文情報重なりに重点を置く前任者に対して,意味的重なりを生かした抽出・パラフラザーに基づく抽象要約システムを提案する。我々のモデルはROUGE, METEOR, Word mover similarity (WMS) で最先端のベースラインを上回り, 広範囲なアブレーション実験により提案手法の優位性を確立する。我々はまた,アートポインタージェネレータネットワーク(PGN)の現状の要約機能に挑戦し,PGNは要約器の概念とは対照的にパラフレーズであり,複数の文にまたがる情報の蓄積が不可能であることを示した。

関連論文リスト

Leveraging Discourse Structure for Extractive Meeting Summarization [26.76383031532945]
本稿では,談話構造を利用したミーティングのための抽出要約システムを提案する。我々は、GNNに基づくノード分類モデルを訓練し、最も重要な発話を選択する。 AMIおよびICSIの実験結果から,本手法が既存のテキストベースおよびグラフベース抽出要約システムを上回ることを示した。
論文参考訳（メタデータ） (2024-05-17T19:06:20Z)
Neural Sequence-to-Sequence Modeling with Attention by Leveraging Deep Learning Architectures for Enhanced Contextual Understanding in Abstractive Text Summarization [0.0]
本稿では,単一文書の抽象TSのための新しいフレームワークを提案する。構造、セマンティック、およびニューラルベースアプローチの3つの主要な側面を統合している。その結果, 希少語, OOV語処理の大幅な改善が示唆された。
論文参考訳（メタデータ） (2024-04-08T18:33:59Z)
Robust Saliency-Aware Distillation for Few-shot Fine-grained Visual Recognition [57.08108545219043]
サンプルが少ない新しいサブカテゴリを認識することは、コンピュータビジョンにおいて不可欠で挑戦的な研究課題である。既存の文献は、ローカルベースの表現アプローチを採用することでこの問題に対処している。本稿では,ロバスト・サリエンシ・アウェア蒸留法(RSaD)を提案する。
論文参考訳（メタデータ） (2023-05-12T00:13:17Z)
The Current State of Summarization [0.0]
本研究は,抽象テキスト要約における技術の現状を簡潔に示すことを目的としている。本稿では,事前学習したエンコーダデコーダモデルと大規模自己回帰言語モデルへの現在のパラダイムシフトについて概説する。
論文参考訳（メタデータ） (2023-05-08T17:00:49Z)
Unsupervised Syntactically Controlled Paraphrase Generation with Abstract Meaning Representations [59.10748929158525]
抽象表現(AMR)は、教師なし構文制御されたパラフレーズ生成の性能を大幅に向上させることができる。提案モデルであるAMRPGは,AMRグラフを符号化し,入力文を2つの非絡み合った意味的および構文的埋め込みに解析する。実験により、AMRPGは既存の教師なしアプローチと比較して、定量的かつ質的に、より正確な構文制御されたパラフレーズを生成することが示された。
論文参考訳（メタデータ） (2022-11-02T04:58:38Z)
Transition-based Abstract Meaning Representation Parsing with Contextual Embeddings [0.0]
本研究では,意味解析のタスクにおいて,言語モデルと記号意味論の定式化という,言語の意味への最も成功したルートを2つ組み合わせる手法について検討する。本稿では,事前学習した文脈認識単語の埋め込み(BERTやRoBERTaなど)を解析問題に組み込むことの有用性について検討する。
論文参考訳（メタデータ） (2022-06-13T15:05:24Z)
Attention-based Multi-hypothesis Fusion for Speech Summarization [83.04957603852571]
音声認識(ASR)とテキスト要約(TS)を組み合わせることで、音声要約を実現することができる ASR誤差はカスケード法における出力要約の品質に直接影響する。本稿では、ASRの誤りに対して頑健なカスケード音声要約モデルを提案し、ASRが生成した複数の仮説を利用して、ASRの誤りが要約に与える影響を緩和する。
論文参考訳（メタデータ） (2021-11-16T03:00:29Z)
Introducing Syntactic Structures into Target Opinion Word Extraction with Deep Learning [89.64620296557177]
目的語抽出のためのディープラーニングモデルに文の構文構造を組み込むことを提案する。また,ディープラーニングモデルの性能向上のために,新たな正規化手法を導入する。提案モデルは,4つのベンチマークデータセット上での最先端性能を広範囲に解析し,達成する。
論文参考訳（メタデータ） (2020-10-26T07:13:17Z)
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)
Multi-Fact Correction in Abstractive Text Summarization [98.27031108197944]
Span-Factは、質問応答モデルから学んだ知識を活用して、スパン選択によるシステム生成サマリーの補正を行う2つの事実補正モデルのスイートである。我々のモデルは、ソースコードのセマンティック一貫性を確保するために、反復的または自動回帰的にエンティティを置き換えるために、シングルまたはマルチマスキング戦略を採用している。実験の結果,自動測定と人的評価の両面において,要約品質を犠牲にすることなく,システム生成要約の事実整合性を大幅に向上させることができた。
論文参考訳（メタデータ） (2020-10-06T02:51:02Z)

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。