論文の概要: Augmented Abstractive Summarization With Document-LevelSemantic Graph
- arxiv url: http://arxiv.org/abs/2109.06046v1
- Date: Mon, 13 Sep 2021 15:12:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-14 15:43:25.021979
- Title: Augmented Abstractive Summarization With Document-LevelSemantic Graph
- Title（参考訳）: Document-LevelSemantic Graphによる抽象要約の強化
- Authors: Qiwei Bi, Haoyuan Li, Kun Lu, Hanfang Yang
- Abstract要約: 従来の抽象的手法では、配列からシーケンスへの構造を適用して、モジュールなしで要約を生成する。
セマンティックグラフを用いて生成性能を向上する。
このようなエンティティグラフの情報を活用するために、新しいニューラルデコーダが提示される。
- 参考スコア（独自算出の注目度）: 3.0272794341021667
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Previous abstractive methods apply sequence-to-sequence structures to
generate summary without a module to assist the system to detect vital mentions
and relationships within a document. To address this problem, we utilize
semantic graph to boost the generation performance. Firstly, we extract
important entities from each document and then establish a graph inspired by
the idea of distant supervision \citep{mintz-etal-2009-distant}. Then, we
combine a Bi-LSTM with a graph encoder to obtain the representation of each
graph node. A novel neural decoder is presented to leverage the information of
such entity graphs. Automatic and human evaluations show the effectiveness of
our technique.
- Abstract（参考訳）: 従来の抽象的手法では、文書内の重要な言及や関係を検出するために、モジュールなしで要約を生成するためにシーケンス・ツー・シーケンス構造を適用していた。
この問題に対処するために,セマンティックグラフを用いて生成性能を向上する。
まず、各文書から重要な実体を抽出し、遠方の監督の考え方に触発されたグラフを作成する。
次に、Bi-LSTMとグラフエンコーダを組み合わせて各グラフノードの表現を得る。
このようなエンティティグラフの情報を活用するために、新しいニューラルデコーダが提示される。
自動評価と人間評価は,本手法の有効性を示す。
関連論文リスト
- SimTeG: A Frustratingly Simple Approach Improves Textual Graph Learning [131.04781590452308]
テキストグラフ学習におけるフラストレーションに富んだアプローチであるSimTeGを提案する。
まず、下流タスクで予め訓練されたLM上で、教師付きパラメータ効率の微調整(PEFT)を行う。
次に、微調整されたLMの最後の隠れ状態を用いてノード埋め込みを生成する。
論文 参考訳（メタデータ） (2023-08-03T07:00:04Z) - Scientific Paper Extractive Summarization Enhanced by Citation Graphs [50.19266650000948]
我々は、引用グラフを活用して、異なる設定下での科学的論文の抽出要約を改善することに重点を置いている。
予備的な結果は、単純な教師なしフレームワークであっても、引用グラフが有用であることを示している。
そこで我々は,大規模ラベル付きデータが利用可能である場合のタスクにおいて,より正確な結果を得るために,グラフベースのスーパービジョン・サムライゼーション・モデル(GSS)を提案する。
論文 参考訳（メタデータ） (2022-12-08T11:53:12Z) - GrannGAN: Graph annotation generative adversarial networks [72.66289932625742]
本稿では,高次元分布をモデル化し,グラフスケルトンと整合した複雑な関係特徴構造を持つデータの新しい例を生成することの問題点を考察する。
提案するモデルは,タスクを2つのフェーズに分割することで,各データポイントのグラフ構造に制約されたデータ特徴を生成する問題に対処する。
第一に、与えられたグラフのノードに関連する機能の分布をモデル化し、第二に、ノードのフィーチャに条件付きでエッジ機能を補完する。
論文 参考訳（メタデータ） (2022-12-01T11:49:07Z) - Graph sampling for node embedding [0.0]
特徴ベクトルの明示的モデリングの有無にかかわらず,ノード埋め込みに対するサンプリング手法を提案する。
グラフラプラシアンに関連する固有ベクトルとグラフに関連する与えられた値の両方から有用な情報を抽出することを目的としている。
論文 参考訳（メタデータ） (2022-10-19T12:54:37Z) - Embedding Graphs on Grassmann Manifold [31.42901131602713]
本稿では,グラスマン多様体に近似した2階グラフ特性を組み込んだ新しいグラフ表現学習手法EGGを提案する。
EGGの有効性はノードレベルとグラフレベルでのクラスタリングと分類タスクの両方を用いて示される。
論文 参考訳（メタデータ） (2022-05-30T12:56:24Z) - Self-supervised Consensus Representation Learning for Attributed Graph [15.729417511103602]
グラフ表現学習に自己教師付き学習機構を導入する。
本稿では,新しい自己教師型コンセンサス表現学習フレームワークを提案する。
提案手法はトポロジグラフと特徴グラフの2つの視点からグラフを扱う。
論文 参考訳（メタデータ） (2021-08-10T07:53:09Z) - Accurate Learning of Graph Representations with Graph Multiset Pooling [45.72542969364438]
本稿では,その構造的依存関係に応じてノード間の相互作用をキャプチャするグラフマルチセットトランス (GMT) を提案する。
実験の結果,GMTはグラフ分類ベンチマークにおいて,最先端のグラフプーリング法を著しく上回っていることがわかった。
論文 参考訳（メタデータ） (2021-02-23T07:45:58Z) - Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。
本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
論文 参考訳（メタデータ） (2021-01-16T16:18:43Z) - Spectral Embedding of Graph Networks [76.27138343125985]
ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。
埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
論文 参考訳（メタデータ） (2020-09-30T04:59:10Z) - Heterogeneous Graph Neural Networks for Extractive Document
Summarization [101.17980994606836]
クロス文関係は、抽出文書要約における重要なステップである。
We present a graph-based neural network for extractive summarization (HeterSumGraph)
抽出文書要約のためのグラフベースニューラルネットワークに異なる種類のノードを導入する。
論文 参考訳（メタデータ） (2020-04-26T14:38:11Z)
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。