論文の概要: Knowledge Enhanced Sports Game Summarization

• arxiv url: http://arxiv.org/abs/2111.12535v1
• Date: Wed, 24 Nov 2021 15:06:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-25 14:44:31.868407
• Title: Knowledge Enhanced Sports Game Summarization
• Title（参考訳）: 知識強化スポーツゲーム要約
• Authors: Jiaan Wang, Zhixu Li, Tingyi Zhang, Duo Zheng, Jianfeng Qu, An Liu, Lei Zhao, Zhigang Chen
• Abstract要約: 2つの特徴を持つ新しいデータセットであるK-SportsSumを紹介する。 K-SportsSumは大規模なゲームから大量のデータを収集する。 K-SportsSumはさらに、523のスポーツチームと14,724人のスポーツ選手の情報を含む大規模な知識コーパスを提供している。
• 参考スコア（独自算出の注目度）: 14.389241106925438
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sports game summarization aims at generating sports news from live commentaries. However, existing datasets are all constructed through automated collection and cleaning processes, resulting in a lot of noise. Besides, current works neglect the knowledge gap between live commentaries and sports news, which limits the performance of sports game summarization. In this paper, we introduce K-SportsSum, a new dataset with two characteristics: (1) K-SportsSum collects a large amount of data from massive games. It has 7,854 commentary-news pairs. To improve the quality, K-SportsSum employs a manual cleaning process; (2) Different from existing datasets, to narrow the knowledge gap, K-SportsSum further provides a large-scale knowledge corpus that contains the information of 523 sports teams and 14,724 sports players. Additionally, we also introduce a knowledge-enhanced summarizer that utilizes both live commentaries and the knowledge to generate sports news. Extensive experiments on K-SportsSum and SportsSum datasets show that our model achieves new state-of-the-art performances. Qualitative analysis and human study further verify that our model generates more informative sports news.
• Abstract（参考訳）: スポーツゲームの要約は、ライブコメントからスポーツニュースを生成することを目的としている。 しかし、既存のデータセットはすべて自動収集とクリーニングプロセスによって構築され、多くのノイズが発生する。 また、現在の作品は、スポーツゲーム要約のパフォーマンスを制限するスポーツニュースとライブコメンタリーの知識ギャップを無視している。 本稿では,(1)K-SportsSumが大規模ゲームから大量のデータを収集する,という2つの特徴を持つ新しいデータセットであるK-SportsSumを紹介する。 7,854組のコメンタリー・ニューズ・ペアがある。 品質向上のため、k-sportssumは手作業によるクリーニングプロセスを採用しており、(2)既存のデータセットとは異なる知識ギャップを狭めるため、k-sportssumは523のスポーツチームと14,724人のスポーツ選手の情報を含む大規模な知識コーパスを提供する。 また,スポーツニュースを生成するために,ライブ解説と知識の両方を活用する知識強調要約も導入する。 K-SportsSumデータセットとSportsSumデータセットの大規模な実験により、我々のモデルが新しい最先端のパフォーマンスを達成することを示す。 質的分析と人間研究により,本モデルがより有意義なスポーツニュースを生成することをさらに検証した。

関連論文リスト

• Deep learning for action spotting in association football videos [64.10841325879996]
  SoccerNetイニシアチブは毎年の課題を組織し、世界中の参加者が最先端のパフォーマンスを達成するために競う。 本稿では,スポーツにおけるアクションスポッティングの歴史を,2018年の課題の創出から,現在の研究・スポーツ産業における役割まで遡る。
  論文  参考訳（メタデータ） (2024-10-02T07:56:15Z)
• Game-MUG: Multimodal Oriented Game Situation Understanding and Commentary Generation Dataset [8.837048597513059]
  本稿では,新しいマルチモーダルゲーム状況理解とオーディエンスによるコメント生成データセットであるGAME-MUGを紹介する。 我々のデータセットは、YouTubeとTwitchの2020-2022 LOLゲームライブストリームから収集され、テキスト、オーディオ、時系列イベントログを含むマルチモーダルEスポーツゲーム情報を含んでいる。 また,ゲーム状況とオーディエンス会話理解を網羅して,新たなオーディエンス会話追加コメントデータセットを提案する。
  論文  参考訳（メタデータ） (2024-04-30T00:39:26Z)
• Knowledge Guided Entity-aware Video Captioning and A Basketball Benchmark [49.54265459763042]
  バスケットボールゲーム知識グラフ(KG_NBA_2022)を構築し,ビデオ以外の知識を提供する。 そして、KG_NBA_2022に基づいて、9種類のきめ細かいシューティングイベントと286人のプレイヤーの知識を含むデータセットを構築する。 バスケットボールのライブテキスト放送のためのエンコーダデコーダ形式の候補選手リストに基づいて,知識ガイド付きエンティティ対応ビデオキャプションネットワーク(KEANet)を開発した。
  論文  参考訳（メタデータ） (2024-01-25T02:08:37Z)
• Sports-QA: A Large-Scale Video Question Answering Benchmark for Complex and Professional Sports [90.79212954022218]
  スポーツビデオQAタスク用に特別に設計された最初のデータセットであるSports-QAを紹介する。 Sports-QAデータセットには、説明、時系列、因果関係、反事実条件など、さまざまな種類の質問が含まれている。 質問応答のための時間的情報の特定の尺度に自動的にフォーカスできる新しいオートフォーカス変換器(AFT)を提案する。
  論文  参考訳（メタデータ） (2024-01-03T02:22:34Z)
• GOAL: A Challenging Knowledge-grounded Video Captioning Benchmark for Real-time Soccer Commentary Generation [75.60413443783953]
  我々は,KGVC(Knowledge-grounded Video Captioning)として新たなタスク設定を提案するための,8.9k以上のサッカービデオクリップ,22kの文,42kの知識トリプルのベンチマークであるGOALを提案する。 私たちのデータとコードはhttps://github.com/THU-KEG/goal.orgで公開されています。
  論文  参考訳（メタデータ） (2023-03-26T08:43:36Z)
• Commentary Generation from Data Records of Multiplayer Strategy Esports Game [21.133690853111133]
  我々は、人気のあるエスポートゲームであるLeague of Legendsから構造化されたデータと注釈をペアリングする大規模なデータセットを構築します。 次に、Transformerベースのモデルを評価し、構造化データレコードからゲーム注釈を生成する。 データ・ツー・テキスト・ジェネレーションのコミュニティにおける潜在的研究を促進するために、データセットをリリースします。
  論文  参考訳（メタデータ） (2022-12-21T11:23:31Z)
• GOAL: Towards Benchmarking Few-Shot Sports Game Summarization [0.3683202928838613]
  GOALは,イングランド初のスポーツゲーム要約データセットである。 GOALには103のコメントとニュースのペアがあり、それぞれ2724.9語と476.3語である。
  論文  参考訳（メタデータ） (2022-07-18T14:29:18Z)
• A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications [60.3327085463545]
  本稿では,スポーツ分析のための映像行動認識に関する調査を行う。 サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。 本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
  論文  参考訳（メタデータ） (2022-06-02T13:19:36Z)
• SportsSum2.0: Generating High-Quality Sports News from Live Text Commentary [18.52461327269355]
  スポーツゲームの要約は、ライブテキストコメンタリーからニュース記事を生成することを目的としている。 最近の研究であるSportsSumは、大規模なベンチマークデータセットを構築するだけでなく、2段階のフレームワークも提案している。 本稿では,新しいベンチマークデータセットであるSportsSum2.0と,修正された要約フレームワークについて報告する。
  論文  参考訳（メタデータ） (2021-10-12T05:39:48Z)
• SoccerNet-v2: A Dataset and Benchmarks for Holistic Understanding of Broadcast Soccer Videos [71.72665910128975]
  SoccerNet-v2 は SoccerNet ビデオデータセット用の手動アノテーションの大規模なコーパスである。 SoccerNetの500の未トリミングサッカービデオの中で、約300万のアノテーションをリリースしています。 サッカーの領域における現在のタスクを拡張し、アクションスポッティング、カメラショットセグメンテーション、境界検出を含む。
  論文  参考訳（メタデータ） (2020-11-26T16:10:16Z)

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。