論文の概要: Automatic Text Summarization Methods: A Comprehensive Review

• arxiv url: http://arxiv.org/abs/2204.01849v1
• Date: Thu, 3 Mar 2022 10:45:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-10 15:35:40.287239
• Title: Automatic Text Summarization Methods: A Comprehensive Review
• Title（参考訳）: テキスト自動要約手法の包括的考察
• Authors: Divakar Yadav, Jalpa Desai, Arun Kumar Yadav
• Abstract要約: 本研究は,要約手法,使用する手法,標準データセット,評価指標,今後の研究範囲などのテキスト要約概念を詳細に分析する。
• 参考スコア（独自算出の注目度）: 1.6114012813668934
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: One of the most pressing issues that have arisen due to the rapid growth of the Internet is known as information overloading. Simplifying the relevant information in the form of a summary will assist many people because the material on any topic is plentiful on the Internet. Manually summarising massive amounts of text is quite challenging for humans. So, it has increased the need for more complex and powerful summarizers. Researchers have been trying to improve approaches for creating summaries since the 1950s, such that the machine-generated summary matches the human-created summary. This study provides a detailed state-of-the-art analysis of text summarization concepts such as summarization approaches, techniques used, standard datasets, evaluation metrics and future scopes for research. The most commonly accepted approaches are extractive and abstractive, studied in detail in this work. Evaluating the summary and increasing the development of reusable resources and infrastructure aids in comparing and replicating findings, adding competition to improve the outcomes. Different evaluation methods of generated summaries are also discussed in this study. Finally, at the end of this study, several challenges and research opportunities related to text summarization research are mentioned that may be useful for potential researchers working in this area.
• Abstract（参考訳）: インターネットの急速な成長によって生じた最も差し迫った問題の1つは、情報過負荷として知られている。 要約形式で関連情報をシンプルにすることは、インターネット上で話題の素材が豊富であるため、多くの人々を支援する。 大量のテキストを手作業で要約することは、人間にとってかなり難しい。 そのため、より複雑で強力な要約者の必要性が増した。 研究者は1950年代から要約を作成するためのアプローチを改善しようとしており、機械生成の要約は人間が作成した要約と一致している。 本研究は,要約手法,使用技術,標準データセット,評価指標,研究の今後の展望など,テキスト要約概念の詳細な解析結果を提供する。 最も一般的に受け入れられているアプローチは抽出的かつ抽象的であり、この研究で詳細に研究されている。 再利用可能なリソースとインフラの開発を要約して評価し、結果の比較と再現を行い、結果を改善するための競争を繰り広げる。 本研究では,生成した要約の異なる評価方法について述べる。 最後に、本研究の最後に、テキスト要約研究に関連するいくつかの課題と研究機会について述べ、この領域で働く潜在的な研究者にとって有用である可能性がある。

関連論文リスト

• Factually Consistent Summarization via Reinforcement Learning with Textual Entailment Feedback [57.816210168909286]
  我々は,この問題を抽象的な要約システムで解くために,テキストエンテーメントモデルの最近の進歩を活用している。 我々は、事実整合性を最適化するために、レファレンスフリーのテキストエンターメント報酬を用いた強化学習を用いる。 自動測定と人的評価の両結果から,提案手法は生成した要約の忠実さ,サリエンス,簡潔さを著しく向上させることが示された。
  論文  参考訳（メタデータ） (2023-05-31T21:04:04Z)
• Lay Text Summarisation Using Natural Language Processing: A Narrative Literature Review [1.8899300124593648]
  本研究の目的は, テキスト要約の手法を記述し, 比較することである。 私たちは82の記事をスクリーニングし、同じデータセットを使用して2020年から2021年の間に8つの関連論文を公開しました。 ハイブリッドアプローチにおける抽出的および抽象的要約法の組み合わせが最も有効であることが判明した。
  論文  参考訳（メタデータ） (2023-03-24T18:30:50Z)
• Human-in-the-loop Abstractive Dialogue Summarization [61.4108097664697]
  我々は、異なるレベルの人間のフィードバックをトレーニングプロセスに組み込むことを提案する。 これにより、モデルをガイドして、人間が要約に用いている振る舞いを捉えることができます。
  論文  参考訳（メタデータ） (2022-12-19T19:11:27Z)
• Making Science Simple: Corpora for the Lay Summarisation of Scientific Literature [21.440724685950443]
  PLOS(大規模)とeLife(medium-scale)の2つの新しい階層化データセットを提案する。 私たちは、データセット間の可読性と抽象性の異なるレベルを強調しながら、レイサマリーの徹底的な特徴付けを提供します。
  論文  参考訳（メタデータ） (2022-10-18T15:28:30Z)
• Survey of Query-based Text Summarization [31.907523097592513]
  クエリベースのテキスト要約は、クエリ情報のガイダンスの下で、プロキシテキストデータを要約に格納する必要がある重要な実世界の問題である。 本調査は,クエリベースのテキスト要約法と関連する汎用テキスト要約法における興味深い作業を要約することを目的としている。
  論文  参考訳（メタデータ） (2022-09-17T05:34:32Z)
• An Empirical Survey on Long Document Summarization: Datasets, Models and Metrics [33.655334920298856]
  本稿では,長期文書要約研究の概要について概説する。 我々は、現在の研究の進展に対する視点を広げるために、実証分析を行う。
  論文  参考訳（メタデータ） (2022-07-03T02:57:22Z)
• Summarization with Graphical Elements [55.5913491389047]
  本稿では,グラフィカル要素による要約という新しい課題を提案する。 タスクの研究を支援するために,高品質なラベル付きデータセットを収集する。
  論文  参考訳（メタデータ） (2022-04-15T17:16:41Z)
• AnswerSumm: A Manually-Curated Dataset and Pipeline for Answer Summarization [73.91543616777064]
  Stack OverflowやYahoo!のようなコミュニティ質問回答(CQA)フォーラムには、幅広いコミュニティベースの質問に対する回答の豊富なリソースが含まれている。 回答の要約の1つのゴールは、回答の視点の範囲を反映した要約を作成することである。 本研究は,専門言語学者による解答要約のための4,631個のCQAスレッドからなる新しいデータセットを導入する。
  論文  参考訳（メタデータ） (2021-11-11T21:48:02Z)
• What Makes a Good Summary? Reconsidering the Focus of Automatic Summarization [49.600619575148706]
  フィールドの現在の焦点は、参加者の希望と完全に一致していないことがわかります。 以上の結果から,自動要約のより広い視点を取り入れることが重要であると論じる。
  論文  参考訳（メタデータ） (2020-12-14T15:12:35Z)
• From Standard Summarization to New Tasks and Beyond: Summarization with Manifold Information [77.89755281215079]
  テキスト要約は、原文書の短く凝縮した版を作成することを目的とした研究分野である。 現実世界のアプリケーションでは、ほとんどのデータは平易なテキスト形式ではない。 本稿では,現実のアプリケーションにおけるこれらの新しい要約タスクとアプローチについて調査する。
  論文  参考訳（メタデータ） (2020-05-10T14:59:36Z)

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。