論文の概要: DocAMR: Multi-Sentence AMR Representation and Evaluation
- arxiv url: http://arxiv.org/abs/2112.08513v1
- Date: Wed, 15 Dec 2021 22:38:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-18 08:56:25.243170
- Title: DocAMR: Multi-Sentence AMR Representation and Evaluation
- Title（参考訳）: DocAMR:多文AMR表現と評価
- Authors: Tahira Naseem, Austin Blodgett, Sadhana Kumaravel, Tim O'Gorman,
Young-Suk Lee, Jeffrey Flanigan, Ram\'on Fernandez Astudillo, Radu Florian,
Salim Roukos, Nathan Schneider
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 19.229112468305267
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Despite extensive research on parsing of English sentences into Abstraction
Meaning Representation (AMR) graphs, which are compared to gold graphs via the
Smatch metric, full-document parsing into a unified graph representation lacks
well-defined representation and evaluation. Taking advantage of a
super-sentential level of coreference annotation from previous work, we
introduce a simple algorithm for deriving a unified graph representation,
avoiding the pitfalls of information loss from over-merging and lack of
coherence from under-merging. Next, we describe improvements to the Smatch
metric to make it tractable for comparing document-level graphs, and use it to
re-evaluate the best published document-level AMR parser. We also present a
pipeline approach combining the top performing AMR parser and coreference
resolution systems, providing a strong baseline for future research.
- Abstract（参考訳）: 英文を抽象意味表現(abstract meaning representation, amr)グラフに解析することに関する広範な研究にもかかわらず、統一グラフ表現への全文書解析は明確な表現と評価を欠いている。
先行研究の超知覚レベルのコリファレンスアノテーションを生かして,統一グラフ表現を導出する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,過度なマージによる一貫性の欠如を回避した。
次に、Smatchメトリックの改善について記述し、文書レベルのグラフの比較に使いやすくし、最高の文書レベルのAMRパーサを再評価する。
また,上位のamrパーサとコリファレンスレゾリューション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,今後の研究に強力なベースラインを提供する。
関連論文リスト
- 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) - Scientific Paper Extractive Summarization Enhanced by Citation Graphs [50.19266650000948]
我々は、引用グラフを活用して、異なる設定下での科学的論文の抽出要約を改善することに重点を置いている。
予備的な結果は、単純な教師なしフレームワークであっても、引用グラフが有用であることを示している。
そこで我々は,大規模ラベル付きデータが利用可能である場合のタスクにおいて,より正確な結果を得るために,グラフベースのスーパービジョン・サムライゼーション・モデル(GSS)を提案する。
論文 参考訳（メタデータ） (2022-12-08T11:53:12Z) - Retrofitting Multilingual Sentence Embeddings with Abstract Meaning
Representation [70.58243648754507]
抽象的意味表現(AMR)を用いた既存の多言語文の埋め込みを改善する新しい手法を提案する。
原文入力と比較すると、AMRは文の中核概念と関係を明確かつ曖昧に表す構造的意味表現である。
実験結果から,多言語文をAMRで埋め込むと,意味的類似性と伝達タスクの両方において,最先端の性能が向上することがわかった。
論文 参考訳（メタデータ） (2022-10-18T11:37:36Z) - FactGraph: Evaluating Factuality in Summarization with Semantic Graph
Representations [114.94628499698096]
文書と要約を構造化された意味表現(MR)に分解するFactGraphを提案する。
MRは、コアセマンティックの概念とその関係を記述し、文書と要約の両方の主要な内容を標準形式で集約し、データの疎結合を減少させる。
事実性を評価するための異なるベンチマークの実験では、FactGraphは以前のアプローチよりも最大15%優れていた。
論文 参考訳（メタデータ） (2022-04-13T16:45:33Z) - An analysis of document graph construction methods for AMR summarization [2.055054374525828]
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。
論文 参考訳（メタデータ） (2021-11-27T22:12:50Z) - 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) - 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) - Analysis of GraphSum's Attention Weights to Improve the Explainability
of Multi-Document Summarization [2.626095252463179]
現代のマルチドキュメント要約(MDS)手法はトランスフォーマーアーキテクチャに基づいている。
アートサマリーの状態を生成できるが、説明責任は欠如している。
本研究の目的は,グラフベースMDSの注意重み分析による説明可能性の向上である。
論文 参考訳（メタデータ） (2021-05-19T08:18:59Z) - 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)
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。