Fugu-MT 論文翻訳(概要): PeerSum: A Peer Review Dataset for Abstractive Multi-document Summarization

論文の概要: PeerSum: A Peer Review Dataset for Abstractive Multi-document Summarization

arxiv url: http://arxiv.org/abs/2203.01769v1
Date: Thu, 3 Mar 2022 15:27:02 GMT
ステータス: 処理完了
システム内更新日: 2022-03-04 21:13:17.373516
Title: PeerSum: A Peer Review Dataset for Abstractive Multi-document Summarization
Title（参考訳）: PeerSum: 抽象的マルチドキュメント要約のためのピアレビューデータセット
Authors: Miao Li, Jianzhong Qi, Jey Han Lau
Abstract要約: PeerSumは、科学出版物のピアレビューを用いた新しいMDSデータセットである。現在のMDSモデルは、PeerSumの高品質な要約を生成するのに苦労しています。
参考スコア（独自算出の注目度）: 37.53183784486546
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present PeerSum, a new MDS dataset using peer reviews of scientific publications. Our dataset differs from the existing MDS datasets in that our summaries (i.e., the meta-reviews) are highly abstractive and they are real summaries of the source documents (i.e., the reviews) and it also features disagreements among source documents. We found that current state-of-the-art MDS models struggle to generate high-quality summaries for PeerSum, offering new research opportunities.
Abstract（参考訳）: 我々は,科学論文のピアレビューを用いた新しいmdsデータセットであるpeersumを提案する。我々のデータセットは既存のMDSデータセットと異なり、私たちの要約(メタレビュー)は非常に抽象的で、ソースドキュメント(レビュー)の真の要約であり、ソースドキュメント間の相違も特徴である。現在最先端のMDSモデルは、PeerSumの高品質なサマリーを生成するのに苦労しており、新しい研究機会を提供しています。

関連論文リスト

Peer Review as A Multi-Turn and Long-Context Dialogue with Role-Based Interactions [62.0123588983514]
大規模言語モデル(LLM)は様々な分野にまたがる幅広い応用を実証してきた。我々は、ピアレビュープロセスを多ターン長文対話として再構築し、著者、レビュアー、意思決定者に対して異なる役割を担っている。複数の情報源から収集された92,017件のレビューを含む26,841件の論文を含む包括的データセットを構築した。
論文参考訳（メタデータ） (2024-06-09T08:24:17Z)
Embrace Divergence for Richer Insights: A Multi-document Summarization Benchmark and a Case Study on Summarizing Diverse Information from News Articles [136.84278943588652]
同一イベントを含む複数のニュース記事において遭遇する多様な情報を要約する新しい課題を提案する。この作業を容易にするために、多様な情報を特定するためのデータ収集スキーマの概要と、DiverseSummというデータセットをキュレートした。データセットには245のニュース記事が含まれており、各ストーリーは10のニュース記事からなり、人間公認の参照と組み合わせられる。
論文参考訳（メタデータ） (2023-09-17T20:28:17Z)
How "Multi" is Multi-Document Summarization? [15.574673241564932]
MDSデータセットの参照要約とシステム要約の両方が、実際に分散情報に基づいていることが期待されている。「要約が分散する度合いを評価するための自動測度を提案する。」以上の結果から,MSSデータセットは複数の文書からの情報の組み合わせをほとんど必要とせず,単一の文書が要約内容全体をカバーしていることが示唆された。
論文参考訳（メタデータ） (2022-10-23T10:20:09Z)
Topic-Guided Abstractive Multi-Document Summarization [21.856615677793243]
多文書要約(MDS)の重要なポイントは、様々な文書間の関係を学習することである。異種グラフとして複数の文書を表現できる新しい抽象MDSモデルを提案する。我々は、クロスドキュメントセマンティックユニットとして機能する潜在トピックを共同で発見するために、ニューラルトピックモデルを採用している。
論文参考訳（メタデータ） (2021-10-21T15:32:30Z)
ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive Summarization with Argument Mining [61.82562838486632]
我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
論文参考訳（メタデータ） (2021-06-01T22:17:13Z)
Data Augmentation for Abstractive Query-Focused Multi-Document Summarization [129.96147867496205]
2つのQMDSトレーニングデータセットを提示し,2つのデータ拡張手法を用いて構築する。これらの2つのデータセットは相補的な性質を持ち、すなわちQMDSCNNは実際のサマリを持つが、クエリはシミュレートされる。組み合わせたデータセット上にエンドツーエンドのニューラルネットワークモデルを構築し、DUCデータセットに最新の転送結果をもたらします。
論文参考訳（メタデータ） (2021-03-02T16:57:01Z)
Multi-document Summarization via Deep Learning Techniques: A Survey [29.431160110691607]
ニューラルネットワークの設計戦略を要約する新しい分類法を提案する。既存の文献ではめったに議論されない様々な目的関数の違いを強調した。
論文参考訳（メタデータ） (2020-11-10T00:35:46Z)
SupMMD: A Sentence Importance Model for Extractive Summarization using Maximum Mean Discrepancy [92.5683788430012]
SupMMDは、カーネルの2サンプルテストと最大の相違点に基づく、ジェネリックおよび更新の要約のための新しいテクニックである。 DUC-2004 および TAC-2009 データセット上での現在の技術状況を満たしたり超えたりすることで,SupMMD の総合的および更新的要約タスクにおける有効性を示す。
論文参考訳（メタデータ） (2020-10-06T09:26:55Z)
Corpora Evaluation and System Bias Detection in Multi-document Summarization [25.131744693121508]
MDS(Multi-document summarization)は、文書の集合から簡潔なテキスト段落にキーポイントを反映するタスクである。タスクの標準的な定義がないため、さまざまなレベルの重複と、参加するドキュメント間のコンフリクトを持つデータセットに遭遇する。新しいシステムは、選択したデータセットのセットについて結果を報告し、他のデータセットのパフォーマンスと相関しないかもしれない。
論文参考訳（メタデータ） (2020-10-05T05:25:43Z)
A Large-Scale Multi-Document Summarization Dataset from the Wikipedia Current Events Portal [10.553314461761968]
MDS(Multi-document summarization)は、大規模な文書コレクションの内容を短い要約に圧縮することを目的としている。この研究は、文書クラスタの総数と個々のクラスタのサイズの両方で大きいMDS用の新しいデータセットを示す。
論文参考訳（メタデータ） (2020-05-20T14:33:33Z)

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。