論文の概要: MultiOpEd: A Corpus of Multi-Perspective News Editorials
- arxiv url: http://arxiv.org/abs/2106.02725v1
- Date: Fri, 4 Jun 2021 21:23:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-14 12:19:10.329966
- Title: MultiOpEd: A Corpus of Multi-Perspective News Editorials
- Title(参考訳): MultiOpEd:多機能ニュース編集者のコーパス
- Authors: Siyi Liu, Sihao Chen, Xander Uyttendaele, Dan Roth
- Abstract要約: MultiOpEdはオープンドメインのニュース編集コーパスであり、ニュース編集における議論構造に関連する様々なタスクをサポートする。
本研究では,マルチタスク学習環境における視点要約の問題について,事例研究として考察する。
誘導タスクを補助タスクとすることで、視点要約の質を向上させることができることを示す。
- 参考スコア(独自算出の注目度): 46.86995662807853
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose MultiOpEd, an open-domain news editorial corpus that supports
various tasks pertaining to the argumentation structure in news editorials,
focusing on automatic perspective discovery. News editorial is a genre of
persuasive text, where the argumentation structure is usually implicit.
However, the arguments presented in an editorial typically center around a
concise, focused thesis, which we refer to as their perspective. MultiOpEd aims
at supporting the study of multiple tasks relevant to automatic perspective
discovery, where a system is expected to produce a single-sentence thesis
statement summarizing the arguments presented. We argue that identifying and
abstracting such natural language perspectives from editorials is a crucial
step toward studying the implicit argumentation structure in news editorials.
We first discuss the challenges and define a few conceptual tasks towards our
goal. To demonstrate the utility of MultiOpEd and the induced tasks, we study
the problem of perspective summarization in a multi-task learning setting, as a
case study. We show that, with the induced tasks as auxiliary tasks, we can
improve the quality of the perspective summary generated. We hope that
MultiOpEd will be a useful resource for future studies on argumentation in the
news editorial domain.
- Abstract(参考訳): 本稿では,ニュース編集における議論構造に関する様々なタスクを支援するオープンドメインニュース編集コーパスであるmultiopedを提案する。
ニュース編集は説得力のあるテキストのジャンルであり、議論構造は通常暗黙的である。
しかし、論説で提示される議論は、通常、簡潔で焦点を絞った論文を中心に展開する。
multiopedは、システムが提示された議論を要約した単一意味論文を作成することが期待される自動的視点発見に関連する複数のタスクの研究を支援することを目的としている。
我々は、このような自然言語的視点を編集から識別し、抽象化することは、ニュース編集における暗黙の議論構造を研究するための重要なステップであると主張している。
まず課題について議論し、目標に向けていくつかの概念的なタスクを定義します。
マルチオペタスクと誘導タスクの有用性を示すために,マルチタスク学習環境における視点要約の問題について事例研究として検討する。
誘導タスクを補助タスクとすることで、視点要約の質を向上させることができることを示す。
我々は,MultiOpEdが今後のニュース編集領域における議論研究に役立つことを願っている。
関連論文リスト
- To Revise or Not to Revise: Learning to Detect Improvable Claims for
Argumentative Writing Support [20.905660642919052]
特定の修正が必要な議論的クレームを特定するための主な課題について検討する。
本稿では,リビジョン距離に基づく新しいサンプリング戦略を提案する。
文脈情報とドメイン知識を用いることで、予測結果をさらに改善できることを示す。
論文 参考訳(メタデータ) (2023-05-26T10:19:54Z) - An Inclusive Notion of Text [69.36678873492373]
テキストの概念の明確さは再現可能で一般化可能なNLPにとって不可欠である,と我々は主張する。
言語的および非言語的要素の2層分類を導入し,NLPモデリングに使用することができる。
論文 参考訳(メタデータ) (2022-11-10T14:26:43Z) - Revise and Resubmit: An Intertextual Model of Text-based Collaboration
in Peer Review [52.359007622096684]
ピアレビューは、ほとんどの科学分野における出版プロセスの重要な要素である。
既存のNLP研究は個々のテキストの分析に重点を置いている。
編集補助は、しばしばテキストのペア間の相互作用をモデル化する必要がある。
論文 参考訳(メタデータ) (2022-04-22T16:39:38Z) - Topic-Aware Contrastive Learning for Abstractive Dialogue Summarization [41.75442239197745]
本研究は,コヒーレンス検出とサブ・サブ・サブ・サブ・サブ・サブ・サブ・サブ・サブ・サミマリ・ジェネレーションという2つのトピック・アウェア・コントラスト学習目標を提案する。
ベンチマークデータセットの実験では、提案手法が強いベースラインを著しく上回ることを示した。
論文 参考訳(メタデータ) (2021-09-10T17:03:25Z) - Argument Mining Driven Analysis of Peer-Reviews [4.552676857046446]
本稿では,編集者,メタレビュアー,レビュアーの支援を目的としたArgument Miningに基づくアプローチを提案する。
以上の知見の1つは、ピアレビュープロセスで使われる引数が他のドメインの引数とは異なるため、事前学習されたモデルの転送が困難であるということです。
私たちは、注釈付き引数を持つさまざまなコンピュータサイエンス会議の新しいピアレビューデータセットをコミュニティに提供します。
論文 参考訳(メタデータ) (2020-12-10T16:06:21Z) - Summarizing Text on Any Aspects: A Knowledge-Informed Weakly-Supervised
Approach [89.56158561087209]
文書に関連する任意の側面を要約する。
監視データがないため、我々は新しい弱い監督構築法とアスペクト・モデリング・スキームを開発した。
実験により,本手法は実文書と合成文書の両方を要約することで,性能の向上を図っている。
論文 参考訳(メタデータ) (2020-10-14T03:20:46Z) - Multi-hop Inference for Question-driven Summarization [39.08269647808958]
本稿では,新しい質問駆動抽象要約手法であるMulti-hop Selective Generator (MSG)を提案する。
MSGは、マルチホップ推論を質問駆動要約に取り入れ、生成した要約の正当化を提供する。
実験結果から,提案手法は2つの非ファクトイドQAデータセット上で常に最先端の手法より優れていることがわかった。
論文 参考訳(メタデータ) (2020-10-08T02:36:39Z) - Multi-View Sequence-to-Sequence Models with Conversational Structure for
Abstractive Dialogue Summarization [72.54873655114844]
テキスト要約は、NLPにおいて最も困難で興味深い問題の1つである。
本研究では、まず、異なる視点から構造化されていない日々のチャットの会話構造を抽出し、会話を表現するマルチビューシーケンス・ツー・シーケンスモデルを提案する。
大規模対話要約コーパスの実験により,本手法は,自動評価と人的判断の両面から,従来の最先端モデルよりも有意に優れた性能を示した。
論文 参考訳(メタデータ) (2020-10-04T20:12:44Z) - An Exploratory Study of Argumentative Writing by Young Students: A
Transformer-based Approach [10.541633715913514]
本稿は,若手学生による論証批判書の計算的探索について述べる。
中学生は、理由づけの欠陥を特定し説明することに集中して、プロンプトで提示された議論を批判するよう求められた。
この課題は、確立された大学レベルの議論批判課題に似ている。
論文 参考訳(メタデータ) (2020-06-17T13:55:31Z) - Video Captioning with Guidance of Multimodal Latent Topics [123.5255241103578]
我々は、データから教師なしの方法でマルチモーダルトピックをマイニングする統合キャプションフレームワークM&M TGMを提案する。
事前に定義されたトピックと比較して、マイニングされたマルチモーダルトピックはより意味的に、視覚的に一貫性がある。
MSR-VTTとYoutube2Textのデータセットを用いた大規模な実験の結果,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2017-08-31T11:18:28Z)
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。