論文の概要: An analysis of document graph construction methods for AMR summarization
- arxiv url: http://arxiv.org/abs/2111.13993v1
- Date: Sat, 27 Nov 2021 22:12:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-02 10:44:07.302557
- Title: An analysis of document graph construction methods for AMR summarization
- Title（参考訳）: AMR要約のための文書グラフ構築法の解析
- Authors: Fei-Tzin Lee, Chris Kedzie, Nakul Verma, Kathleen McKeown
- Abstract要約: 本稿では,文書と要約のノード間のアライメントを人間にアノテートした新しいデータセットを提案する。
本稿では,これらの2種類の評価方法とノードマージの新しい手法を適用し,新しい手法が従来の方法よりもはるかに優れた性能を示すことを示す。
- 参考スコア（独自算出の注目度）: 2.055054374525828
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Meaning Representation (AMR) is a graph-based semantic representation for
sentences, composed of collections of concepts linked by semantic relations.
AMR-based approaches have found success in a variety of applications, but a
challenge to using it in tasks that require document-level context is that it
only represents individual sentences. Prior work in AMR-based summarization has
automatically merged the individual sentence graphs into a document graph, but
the method of merging and its effects on summary content selection have not
been independently evaluated. In this paper, we present a novel dataset
consisting of human-annotated alignments between the nodes of paired documents
and summaries which may be used to evaluate (1) merge strategies; and (2) the
performance of content selection methods over nodes of a merged or unmerged AMR
graph. We apply these two forms of evaluation to prior work as well as a new
method for node merging and show that our new method has significantly better
performance than prior work.
- Abstract（参考訳）: 意味表現(英語: meaning representation、amr)は、意味関係によって関連付けられた概念の集合からなる文のグラフに基づく意味表現である。
AMRベースのアプローチは、様々なアプリケーションで成功したが、文書レベルのコンテキストを必要とするタスクでそれを使うことの課題は、個々の文のみを表現することである。
AMRに基づく要約における先行研究は、個々の文グラフを文書グラフに自動的にマージするが、マージ方法とその要約内容選択への影響は独立に評価されていない。
本稿では,(1)マージ戦略の評価に使用可能な一対の文書のノードと要約のアライメントと,(2)マージまたは未マージされたamrグラフのノード上でのコンテンツ選択手法の性能とからなる新しいデータセットを提案する。
本稿では,これらの2種類の評価方法とノードマージの新しい手法を適用し,新しい手法が従来の方法よりもはるかに優れた性能を示すことを示す。
関連論文リスト
- Hypergraph based Understanding for Document Semantic Entity Recognition [65.84258776834524]
我々は,ハイパグラフアテンションを利用したハイパグラフアテンション文書セマンティックエンティティ認識フレームワークHGAを構築し,エンティティ境界とエンティティカテゴリを同時に重視する。
FUNSD, CORD, XFUNDIE で得られた結果は,本手法が意味的エンティティ認識タスクの性能を効果的に向上できることを示す。
論文 参考訳（メタデータ） (2024-07-09T14:35:49Z) - An AMR-based Link Prediction Approach for Document-level Event Argument
Extraction [51.77733454436013]
文書レベルのイベント調停抽出(文書レベルEAE)のための抽象的意味表現(AMR)を導入した最近の研究動向
本研究では,AEをAMRグラフ上のリンク予測問題として再検討する。
本稿では,より少ない情報量のサブグラフやエッジタイプを圧縮し,スパン情報を統合し,同じ文書内の事象をハイライトする新たなグラフ構造であるTalored AMR Graph(TAG)を提案する。
論文 参考訳（メタデータ） (2023-05-30T16:07:48Z) - DocAMR: Multi-Sentence AMR Representation and Evaluation [19.229112468305267]
統合グラフ表現を導出するための単純なアルゴリズムを導入し、過剰なマージによる情報損失の落とし穴や、アンダーマージによる一貫性の欠如を回避した。
また、AMRとコア参照分解システムを組み合わせたパイプラインアプローチを提案し、将来の研究の強力なベースラインを提供する。
論文 参考訳（メタデータ） (2021-12-15T22:38:26Z) - SgSum: Transforming Multi-document Summarization into Sub-graph
Selection [27.40759123902261]
既存の抽出多文書要約(MDS)手法は、各文を個別にスコアし、一つずつ有能な文を抽出して要約を構成する。
サブグラフ選択問題としてMDSタスクを定式化する新しいMDSフレームワーク(SgSum)を提案する。
我々のモデルは従来のMDS法と比較して、より一貫性があり、情報的な要約を生成できる。
論文 参考訳（メタデータ） (2021-10-25T05:12:10Z) - Augmented Abstractive Summarization With Document-LevelSemantic Graph [3.0272794341021667]
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。
論文 参考訳（メタデータ） (2021-09-13T15:12:34Z) - BASS: Boosting Abstractive Summarization with Unified Semantic Graph [49.48925904426591]
BASSは、統合されたセマンティックグラフに基づく抽象的な要約を促進するためのフレームワークである。
文書表現と要約生成の両方を改善するために,グラフベースのエンコーダデコーダモデルを提案する。
実験結果から,提案アーキテクチャは長期文書および複数文書要約タスクに大幅な改善をもたらすことが示された。
論文 参考訳（メタデータ） (2021-05-25T16:20:48Z) - Coarse-to-Fine Entity Representations for Document-level Relation
Extraction [28.39444850200523]
文書レベルの関係抽出(RE: Document-level Relation extract)は、文内および文間で表現される関係を抽出する必要がある。
最近の研究は、通常文書レベルの相互作用をキャプチャする文書レベルのグラフを構築するグラフベースの手法が有用なエンティティ表現を得ることができることを示している。
粗大な戦略を採用する textbfCoarse-to-textbfFine textbfEntity textbfRepresentation model (textbfCFER) を提案する。
論文 参考訳（メタデータ） (2020-12-04T10:18:59Z) - SummPip: Unsupervised Multi-Document Summarization with Sentence Graph
Compression [61.97200991151141]
SummPipはマルチドキュメント要約のための教師なしの手法である。
元の文書を文グラフに変換し、言語表現と深層表現の両方を考慮に入れます。
次に、スペクトルクラスタリングを適用して複数の文のクラスタを取得し、最後に各クラスタを圧縮して最終的な要約を生成する。
論文 参考訳（メタデータ） (2020-07-17T13:01:15Z) - Leveraging Graph to Improve Abstractive Multi-Document Summarization [50.62418656177642]
我々は、文書のよく知られたグラフ表現を活用することができる、抽象的多文書要約(MDS)モデルを開発する。
本モデルでは,長い文書の要約に欠かせない文書間関係を捉えるために,文書の符号化にグラフを利用する。
また,このモデルでは,要約生成プロセスの導出にグラフを利用することが可能であり,一貫性と簡潔な要約を生成するのに有用である。
論文 参考訳（メタデータ） (2020-05-20T13:39:47Z) - Extractive Summarization as Text Matching [123.09816729675838]
本稿では,ニューラル抽出要約システムの構築方法に関するパラダイムシフトを作成する。
抽出した要約タスクを意味テキストマッチング問題として定式化する。
我々はCNN/DailyMailの最先端抽出結果を新しいレベル(ROUGE-1の44.41)に推し進めた。
論文 参考訳（メタデータ） (2020-04-19T08:27:57Z) - A Divide-and-Conquer Approach to the Summarization of Long Documents [4.863209463405628]
本稿では,長い文書のニューラル・サマライゼーションのための分割・畳み込み手法を提案する。
本手法は文書の談話構造を利用して,文の類似性を利用して問題をより小さな要約問題に分割する。
本稿では,シーケンス・ツー・シーケンスのRNNやトランスフォーマーなど,様々な要約モデルと組み合わせることで,要約性能の向上が期待できることを示す。
論文 参考訳（メタデータ） (2020-04-13T20:38:49Z)
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。