論文の概要: Key Point Analysis via Contrastive Learning and Extractive Argument Summarization

• arxiv url: http://arxiv.org/abs/2109.15086v1
• Date: Thu, 30 Sep 2021 12:54:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-01 21:16:24.563003
• Title: Key Point Analysis via Contrastive Learning and Extractive Argument Summarization
• Title（参考訳）: コントラスト学習と抽出的議論要約によるキーポイント分析
• Authors: Milad Alshomary, Timon Gurke, Shahbaz Syed, Philipp Heinrich, Maximilian Splieth\"over, Philipp Cimiano, Martin Potthast, Henning Wachsmuth
• Abstract要約: 本稿では,第8回Argument Miningワークショップと連携して,キーポイント分析共有タスクに対する提案手法を提案する。 1つのコンポーネントは、キーポイントに引数をマッチングするために、シアムニューラルネットワークを介して対照的な学習を採用する。 自動評価と手動評価の両方において,提案手法は共有タスクに対する全ての提案の中で最良であった。
• 参考スコア（独自算出の注目度）: 26.104816072770305
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Key point analysis is the task of extracting a set of concise and high-level statements from a given collection of arguments, representing the gist of these arguments. This paper presents our proposed approach to the Key Point Analysis shared task, collocated with the 8th Workshop on Argument Mining. The approach integrates two complementary components. One component employs contrastive learning via a siamese neural network for matching arguments to key points; the other is a graph-based extractive summarization model for generating key points. In both automatic and manual evaluation, our approach was ranked best among all submissions to the shared task.
• Abstract（参考訳）: キーポイント分析は、与えられた引数の集合から簡潔でハイレベルなステートメントを抽出し、これらの引数の要点を表すタスクである。 本稿では,第8回Argument Miningワークショップと連携して,キーポイント分析共有タスクに対する提案手法を提案する。 このアプローチは2つの補完的なコンポーネントを統合する。 1つのコンポーネントは、引数とキーポイントをマッチングするsiameseニューラルネットワークによるコントラスト学習を採用しており、もう1つはキーポイントを生成するグラフベースの抽出要約モデルである。 自動評価と手動評価の両方において,提案手法は共有タスクへの投稿の中で最良であった。

関連論文リスト

• Enhancing Argument Summarization: Prioritizing Exhaustiveness in Key Point Generation and Introducing an Automatic Coverage Evaluation Metric [3.0754290232284562]
  キーポイント分析(KPA)タスクは、引数の集合のまとめを表すものとして引数の要約を定式化する。 キーポイント生成(KPG)と呼ばれるKPAのサブタスクは、引数からこれらのキーポイントを生成することに焦点を当てている。 本稿では,キーポイント生成のための新しい抽出手法を提案する。
  論文  参考訳（メタデータ） (2024-04-17T23:00:29Z)
• Exploring Key Point Analysis with Pairwise Generation and Graph Partitioning [61.73411954056032]
  キーポイント分析(KPA)は、議論採掘の分野において重要な未解決問題であり続けている。 ペア生成とグラフ分割を併用したKPAの新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-04-17T13:44:29Z)
• Learning Feature Matching via Matchable Keypoint-Assisted Graph Neural Network [52.29330138835208]
  画像のペア間の局所的な特徴の正確なマッチングは、コンピュータビジョンの課題である。 従来の研究では、注意に基づくグラフニューラルネットワーク(GNN)と、画像内のキーポイントに完全に接続されたグラフを使用するのが一般的だった。 本稿では,非繰り返しキーポイントをバイパスし,マッチング可能なキーポイントを利用してメッセージパッシングを誘導する,疎注意に基づくGNNアーキテクチャであるMaKeGNNを提案する。
  論文  参考訳（メタデータ） (2023-07-04T02:50:44Z)
• 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)
• Comparing Methods for Extractive Summarization of Call Centre Dialogue [77.34726150561087]
  そこで本稿では,これらの手法を用いて呼の要約を生成し,客観的に評価することにより,実験的な比較を行った。 TopicSum と Lead-N は他の要約法よりも優れており,BERTSum は主観的評価と客観的評価の両方で比較的低いスコアを得た。
  論文  参考訳（メタデータ） (2022-09-06T13:16:02Z)
• Beyond Farthest Point Sampling in Point-Wise Analysis [52.218037492342546]
  本稿では,ポイントワイズ分析タスクのための新しいデータ駆動型サンプル学習手法を提案する。 我々はサンプルと下流のアプリケーションを共同で学習する。 実験により, 従来のベースライン法に比べて, サンプルとタスクの同時学習が顕著に改善することが示された。
  論文  参考訳（メタデータ） (2021-07-09T08:08:44Z)
• MatchVIE: Exploiting Match Relevancy between Entities for Visual Information Extraction [48.55908127994688]
  我々は、VIE(MatchVIE)のためのグラフニューラルネットワークに基づく新しいキー値マッチングモデルを提案する。 関連性評価に基づくキー値マッチングにより、提案したMatchVIEは、認識を様々な意味論にバイパスすることができる。 我々は、エンコードされた値の不安定性に対処するために、単純だが効果的な操作であるNum2Vecを導入する。
  論文  参考訳（メタデータ） (2021-06-24T12:06:29Z)
• 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)
• From Arguments to Key Points: Towards Automatic Argument Summarization [17.875273745811775]
  1トピックあたりのキーポイントの数は、たいていの場合、議論の大部分をカバーするのに十分であることを示す。 さらに、ドメインの専門家が事前にこれらのキーポイントを予測できることがわかりました。
  論文  参考訳（メタデータ） (2020-05-04T16:24:21Z)

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。