論文の概要: Every Bite Is an Experience: Key Point Analysis of Business Reviews

• arxiv url: http://arxiv.org/abs/2106.06758v1
• Date: Sat, 12 Jun 2021 12:22:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 16:13:47.353074
• Title: Every Bite Is an Experience: Key Point Analysis of Business Reviews
• Title（参考訳）: Every Bite:ビジネスレビューのポイント分析
• Authors: Roy Bar-Haim, Lilach Eden, Yoav Kantor, Roni Friedman, Noam Slonim
• Abstract要約: キーポイント分析(KPA)は、データの主点のテキスト的および定量的な要約を提供する要約フレームワークとして提案されている。 KPAの新規拡張により性能が大幅に向上したことを示す。
• 参考スコア（独自算出の注目度）: 12.364867281334096
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Previous work on review summarization focused on measuring the sentiment toward the main aspects of the reviewed product or business, or on creating a textual summary. These approaches provide only a partial view of the data: aspect-based sentiment summaries lack sufficient explanation or justification for the aspect rating, while textual summaries do not quantify the significance of each element, and are not well-suited for representing conflicting views. Recently, Key Point Analysis (KPA) has been proposed as a summarization framework that provides both textual and quantitative summary of the main points in the data. We adapt KPA to review data by introducing Collective Key Point Mining for better key point extraction; integrating sentiment analysis into KPA; identifying good key point candidates for review summaries; and leveraging the massive amount of available reviews and their metadata. We show empirically that these novel extensions of KPA substantially improve its performance. We demonstrate that promising results can be achieved without any domain-specific annotation, while human supervision can lead to further improvement.
• Abstract（参考訳）: レビュー要約に関する以前の作業では、レビューされた製品やビジネスの主要な側面に対する感情の測定や、テキスト要約の作成に重点を置いていました。 アスペクトベースの感情要約はアスペクトレーティングの十分な説明や正当化を欠いているが、テキスト要約は各要素の重要性を定量化せず、矛盾する見解を表現するのに適していない。 近年、キーポイント分析(KPA)は、データの主点のテキスト的および定量的な要約を提供する要約フレームワークとして提案されている。 キーポイント抽出の改善,KPAへの感情分析の統合,要約をレビューするための優れたキーポイント候補の特定,利用可能な大量のレビューとメタデータを活用することで,データのレビューにKPAを適用する。 KPAの新規拡張により性能が大幅に向上したことを示す。 我々は、有望な結果がドメイン固有のアノテーションなしで達成できることを実証するが、人間の監督はさらなる改善につながる可能性がある。

関連論文リスト

• Prompted Aspect Key Point Analysis for Quantitative Review Summarization [27.691150599517364]
  キーポイント分析は、キーポイント(KP)を簡潔なテキスト要約として提供し、その頻度を測定する量として定量化することを目的としている。 最近の抽象的アプローチでは、文に基づいてKPが生成され、しばしば重複し、幻覚的な意見を持つKPに繋がる。 本稿では,定量的な要約のためのPAKPA(Prompted Aspect Key Point Analysis)を提案する。
  論文  参考訳（メタデータ） (2024-07-19T06:07:32Z)
• FENICE: Factuality Evaluation of summarization based on Natural language Inference and Claim Extraction [85.26780391682894]
  自然言語推論とクレーム抽出(FENICE)に基づく要約のファクチュアリティ評価を提案する。 FENICEは、ソース文書内の情報と、要約から抽出されたクレームと呼ばれる一連の原子的事実との間のNLIベースのアライメントを利用する。 我々の測定基準は、事実性評価のためのデファクトベンチマークであるAGGREFACTに関する新しい技術状況を設定する。
  論文  参考訳（メタデータ） (2024-03-04T17:57:18Z)
• Incremental Extractive Opinion Summarization Using Cover Trees [81.59625423421355]
  オンラインマーケットプレースでは、ユーザレビューは時間とともに蓄積され、意見要約を定期的に更新する必要がある。 本研究では,漸進的な環境下での抽出的意見要約の課題について検討する。 本稿では,CentroidRankの要約をインクリメンタルな設定で正確に計算するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-16T02:00:17Z)
• Do You Hear The People Sing? Key Point Analysis via Iterative Clustering and Abstractive Summarisation [12.548947151123555]
  議論の要約は有望だが、現在未調査の分野である。 キーポイント分析の主な課題の1つは、高品質なキーポイント候補を見つけることである。 キーポイントの評価は 自動的に生成された要約が 役に立つことを保証するのに 不可欠です
  論文  参考訳（メタデータ） (2023-05-25T12:43:29Z)
• EntSUM: A Data Set for Entity-Centric Summarization [27.845014142019917]
  制御可能な要約は、ユーザが指定した側面や好みを考慮に入れた要約を提供することを目的としている。 本稿では、制御可能な要約のための人間アノテーション付きデータセットsetSUMを紹介し、制御の側面として名前付きエンティティに焦点を当てる。
  論文  参考訳（メタデータ） (2022-04-05T13:45:54Z)
• Aspect-Controllable Opinion Summarization [58.5308638148329]
  アスペクトクエリに基づいてカスタマイズした要約を生成する手法を提案する。 レビューコーパスを用いて、アスペクトコントローラで強化された(リビュー、サマリ)ペアの合成トレーニングデータセットを作成する。 合成データセットを用いて事前学習したモデルを微調整し、アスペクトコントローラを変更することでアスペクト固有の要約を生成する。
  論文  参考訳（メタデータ） (2021-09-07T16:09:17Z)
• 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)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• Quantitative Argument Summarization and Beyond: Cross-Domain Key Point Analysis [17.875273745811775]
  完全自動解析が可能なキーポイントの自動抽出法を開発した。 キーポイント解析の適用性は議論データを超えていることを実証する。 さらなる貢献は、引数対キーポイントマッチングモデルの詳細な評価である。
  論文  参考訳（メタデータ） (2020-10-11T23:01:51Z)
• Unsupervised Reference-Free Summary Quality Evaluation via Contrastive Learning [66.30909748400023]
  教師なしコントラスト学習により,参照要約を使わずに要約品質を評価することを提案する。 具体的には、BERTに基づく言語的品質と意味情報の両方をカバーする新しい指標を設計する。 ニューズルームとCNN/デイリーメールの実験では,新たな評価手法が参照サマリーを使わずに他の指標よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-10-05T05:04:14Z)

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。