論文の概要: DEBACER: a method for slicing moderated debates

• arxiv url: http://arxiv.org/abs/2112.05438v1
• Date: Fri, 10 Dec 2021 10:39:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-13 13:14:50.101817
• Title: DEBACER: a method for slicing moderated debates
• Title（参考訳）: DeBACER:適度な議論をスライスする方法
• Authors: Thomas Palmeira Ferraz, Alexandre Alcoforado, Enzo Bustos, Andr\'e Seidel Oliveira, Rodrigo Gerber, Na\'ide M\"uller, Andr\'e Corr\^ea d'Almeida, Bruno Miguel Veloso, Anna Helena Reali Costa
• Abstract要約: 同じ主題を持つブロックに議論を分割することは理解に不可欠である。 議論を適度に分割する新しいアルゴリズムDEBACERを提案する。
• 参考スコア（独自算出の注目度）: 55.705662163385966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Subjects change frequently in moderated debates with several participants, such as in parliamentary sessions, electoral debates, and trials. Partitioning a debate into blocks with the same subject is essential for understanding. Often a moderator is responsible for defining when a new block begins so that the task of automatically partitioning a moderated debate can focus solely on the moderator's behavior. In this paper, we (i) propose a new algorithm, DEBACER, which partitions moderated debates; (ii) carry out a comparative study between conventional and BERTimbau pipelines; and (iii) validate DEBACER applying it to the minutes of the Assembly of the Republic of Portugal. Our results show the effectiveness of DEBACER. Keywords: Natural Language Processing, Political Documents, Spoken Text Processing, Speech Split, Dialogue Partitioning.
• Abstract（参考訳）: 議題は、議会セッション、選挙討論、公判など、いくつかの参加者と穏健な議論において頻繁に変化する。 同じテーマのブロックに議論を分割することは、理解に不可欠である。 しばしば、モデレーターは、新しいブロックがいつ始まるかを定義する責任を負うので、適度な議論を自動的に分割するタスクは、モデレーターの振る舞いだけに集中できる。 本稿では, (i)議論を適度に分割する新しいアルゴリズムDEBACERを提案する。 (ii)従来の管路とベルチボー管路の比較研究を行い、 (iii)ポルトガル共和国議会の議事録に適用する受刑者を検証すること。 以上の結果から,DeBACERの有効性が示唆された。 キーワード:自然言語処理、政治文書、音声テキスト処理、音声分割、対話分割。

関連論文リスト

• Debatrix: Multi-dimensional Debate Judge with Iterative Chronological Analysis Based on LLM [51.43102092480804]
  Debatrixは、Large Language Models (LLMs)に基づく自動ディスカッションジャッジである。 実世界の議論シナリオに合わせるため、私たちはPanelBenchベンチマークを導入し、システムの性能と実際の議論結果を比較した。 以上の結果から,LSMを直接使用して議論評価を行ない,顕著な改善が見られた。
  論文  参考訳（メタデータ） (2024-03-12T18:19:47Z)
• Multi-turn Dialogue Comprehension from a Topic-aware Perspective [70.37126956655985]
  本稿では,話題認識の観点から,マルチターン対話をモデル化することを提案する。 対話文のセグメント化アルゴリズムを用いて、対話文を教師なしの方法でトピック集中フラグメントに分割する。 また,トピックセグメントを処理要素として扱う新しいモデルとして,トピック認識デュアルアテンションマッチング(TADAM)ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-09-18T11:03:55Z)
• Topic Shift Detection in Chinese Dialogues: Corpus and Benchmark [10.378163772785204]
  そこで本稿では,階層的コントラスト学習に基づく教師学習フレームワークを提案し,応答を伴わないトピックシフトを予測する。 CNTD と 英語 TIAGE を用いた実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-05-02T04:03:50Z)
• CluCDD:Contrastive Dialogue Disentanglement via Clustering [18.06976502939079]
  毎日、膨大な数の多人数の対話がオンラインで行われている。 対話の切り離しは、絡み合った対話を分離したセッションに分けることを目的としている。 コントラスト学習により発話を集約するCluCDDというモデルを提案する。
  論文  参考訳（メタデータ） (2023-02-16T08:47:51Z)
• The Unfolding Structure of Arguments in Online Debates: The case of a No-Deal Brexit [0.0]
  オンライン討論の潜在的な議論構造を抽出,分類,探索するための5段階の手法を提案する。 合意なし」ブレグジットに関するTwitterのデータを用いて、このイベントが実現した場合の期待される影響に焦点を当てる。 その結果,提案手法を議論の統計的レトリック解析に用いることができることがわかった。
  論文  参考訳（メタデータ） (2021-03-09T12:29:43Z)
• Discourse Parsing of Contentious, Non-Convergent Online Discussions [0.16311150636417257]
  対話論のバフティニア理論に着想を得て,新しい理論と計算の枠組みを提案する。 我々は,分散戦略の階層を反映する新しい談話アノテーションスキーマを開発した。 議論のないオンライン議論の最初のラベル付きデータセットを共有します。
  論文  参考訳（メタデータ） (2020-12-08T17:36:39Z)
• Response Selection for Multi-Party Conversations with Dynamic Topic Tracking [63.15158355071206]
  我々は、応答と関連する会話コンテキストの間のトピックを一致させるために、動的トピック追跡タスクとして応答選択をフレーム化する。 本研究では,大規模な事前学習モデルによる効率的な符号化を支援する新しいマルチタスク学習フレームワークを提案する。 DSTC-8 Ubuntu IRCデータセットの実験結果は、応答選択とトピックのアンタングル化タスクにおける最先端の結果を示している。
  論文  参考訳（メタデータ） (2020-10-15T14:21:38Z)
• Topic-Aware Multi-turn Dialogue Modeling [91.52820664879432]
  本稿では,トピック認識発話を教師なしでセグメント化して抽出する,多元対話モデリングのための新しいソリューションを提案する。 トピック・アウェア・モデリングは、新たに提案されたトピック・アウェア・セグメンテーション・アルゴリズムとトピック・アウェア・デュアル・アテンション・マッチング(TADAM)ネットワークによって実現されている。
  論文  参考訳（メタデータ） (2020-09-26T08:43:06Z)
• Dialogue-Based Relation Extraction [53.2896545819799]
  本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。 我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。 実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
  論文  参考訳（メタデータ） (2020-04-17T03:51:57Z)

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。