論文の概要: Development of an Extractive Title Generation System Using Titles of
Papers of Top Conferences for Intermediate English Students
- arxiv url: http://arxiv.org/abs/2110.04204v1
- Date: Fri, 8 Oct 2021 15:41:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-11 15:10:18.186789
- Title: Development of an Extractive Title Generation System Using Titles of
Papers of Top Conferences for Intermediate English Students
- Title（参考訳）: 英語中学生を対象としたトップ会議論文のタイトルを用いた抽出タイトル生成システムの開発
- Authors: Kento Kaku, Masato Kikuchi, Tadachika Ozono, Toramatsu Shintani
- Abstract要約: 本研究では,抽象語から抽出したキーワードからタイトルを定式化する抽出タイトル生成システムを開発した。
また,紙のタイトルの適切性を評価できるタイトル評価モデルも実現した。
その結果,評価モデルでは,中学生や初心者の生徒よりも,トップコンファレンスタイトルを効果的に識別できることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The formulation of good academic paper titles in English is challenging for
intermediate English authors (particularly students). This is because such
authors are not aware of the type of titles that are generally in use. We aim
to realize a support system for formulating more effective English titles for
intermediate English and beginner authors. This study develops an extractive
title generation system that formulates titles from keywords extracted from an
abstract. Moreover, we realize a title evaluation model that can evaluate the
appropriateness of paper titles. We train the model with titles of
top-conference papers by using BERT. This paper describes the training data,
implementation, and experimental results. The results show that our evaluation
model can identify top-conference titles more effectively than intermediate
English and beginner students.
- Abstract（参考訳）: 英語における優れた学術論文のタイトルの定式化は、中級英語の著者(特に学生)にとって困難である。
これは、一般的に使われているタイトルの種類を意識していないためである。
中間英語と初心者向けのより効果的な英語タイトル作成支援システムの実現を目指している。
本研究では,抽象語から抽出したキーワードからタイトルを定式化する抽出タイトル生成システムを開発した。
また,紙タイトルの適切性を評価することができるタイトル評価モデルを実現する。
BERTを用いてトップ会議論文のタイトルでモデルをトレーニングする。
本稿では,トレーニングデータ,実装,実験結果について述べる。
その結果,評価モデルは,中間英語や初心者よりも上位カンファレンスのタイトルを効果的に識別できることがわかった。
関連論文リスト
- Can pre-trained language models generate titles for research papers? [3.3489486000815765]
本稿では,論文のタイトルを要約から生成するために,事前学習した言語モデルを微調整する。
また、ゼロショット設定でGPT-3.5-turboを使用して、紙のタイトルを生成する。
我々の観察では、AIが生成した論文のタイトルは一般的に正確で適切であることが示唆されている。
論文 参考訳（メタデータ） (2024-09-22T21:34:49Z) - Good things come in three: Generating SO Post Titles with Pre-Trained Models, Self Improvement and Post Ranking [5.874782446136913]
Stack Overflowは著名なQとAフォーラムであり、開発者がプログラミング関連の問題に適切なリソースを求めるのをサポートする。
高品質な質問タイトルを持つことは、開発者の注意を引き付ける効果的な手段である。
主にトレーニング済みのモデルを活用して、コードスニペットや問題記述からタイトルを生成する研究が行われている。
自己改善とポストランキングを備えた微調整言語モデルを用いて,Stack Overflowのポストタイトルを生成するソリューションとしてFILLERを提案する。
論文 参考訳（メタデータ） (2024-06-21T20:18:34Z) - Chain-of-Factors Paper-Reviewer Matching [32.86512592730291]
本稿では,意味的・話題的・引用的要因を協調的に考慮した,論文レビューアマッチングのための統一モデルを提案する。
提案したChain-of-Factorsモデルの有効性を,最先端のペーパー-リビューアマッチング手法と科学的事前学習言語モデルと比較した。
論文 参考訳（メタデータ） (2023-10-23T01:29:18Z) - Generating Natural Language Queries for More Effective Systematic Review
Screening Prioritisation [53.77226503675752]
現在の技術状況では、レビューの最終タイトルをクエリとして、BERTベースのニューラルランクラを使用してドキュメントのランク付けに使用しています。
本稿では,ChatGPT や Alpaca などの命令ベース大規模言語モデルによって生成される文書の検索に使用される Boolean クエリやクエリなど,スクリーニングを優先するクエリの代替源について検討する。
私たちのベストアプローチは、スクリーニング時に利用可能な情報に基づいて実現されるだけでなく、最終タイトルと同じような効果があります。
論文 参考訳（メタデータ） (2023-09-11T05:12:14Z) - VacancySBERT: the approach for representation of titles and skills for
semantic similarity search in the recruitment domain [0.0]
本稿では、HRドメインに適用されたディープラーニングセマンティックサーチアルゴリズムに焦点を当てた。
この記事の目的は、求人広告で言及されているスキルとタイトルを結びつけるために、シームズネットワークをトレーニングする新しいアプローチを開発することである。
論文 参考訳（メタデータ） (2023-07-31T13:21:15Z) - Multimodal Prompt Learning for Product Title Generation with Extremely
Limited Labels [66.54691023795097]
本稿では,ラベルが限定された新商品のタイトルを生成するためのプロンプトベースアプローチ,すなわちマルチモーダル・プロンプト学習フレームワークを提案する。
我々は、新しい製品の対応する特性と書体を維持するために、異なるモダリティから多モーダルなプロンプトのセットを構築する。
トレーニング用ラベル付きデータの完全化により,本手法は最先端の結果が得られる。
論文 参考訳（メタデータ） (2023-07-05T00:40:40Z) - MIReAD: Simple Method for Learning High-quality Representations from
Scientific Documents [77.34726150561087]
論文の高品質な表現を学習する簡単な方法であるMIREADを提案する。
私たちは、2000以上のジャーナルクラスで50万以上のPubMedとarXivの抽象クラスでMIREADをトレーニングします。
論文 参考訳（メタデータ） (2023-05-07T03:29:55Z) - Disambiguation of Company names via Deep Recurrent Networks [101.90357454833845]
企業名文字列の埋め込みである教師付き学習を通じて,Siamese LSTM Network を抽出する手法を提案する。
私たちは、ラベル付けされるサンプルを優先するActive Learningアプローチが、より効率的な全体的な学習パイプラインをもたらす方法を分析します。
論文 参考訳（メタデータ） (2023-03-07T15:07:57Z) - Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。
提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
論文 参考訳（メタデータ） (2022-09-08T09:13:07Z) - Domain Controlled Title Generation with Human Evaluation [2.5505887482902287]
良いタイトルは、あなたの研究に値する注目を集めることができます。
ドメイン制御のタイトルでは、事前学習されたテキストからテキストへのトランスフォーマーモデルと追加のトークン技術を使用しました。
タイトルトークンは、グローバル語彙ではなく、ドメイン固有の語彙のローカル分布(グローバル語彙のサブセット)からサンプリングされます。
論文 参考訳（メタデータ） (2021-03-08T20:55:55Z) - What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。
本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。
本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文 参考訳（メタデータ） (2020-11-06T02:23:01Z)
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。