論文の概要: Matching Writers to Content Writing Tasks

• arxiv url: http://arxiv.org/abs/2204.09718v1
• Date: Thu, 7 Apr 2022 12:53:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-24 15:43:51.587840
• Title: Matching Writers to Content Writing Tasks
• Title（参考訳）: ライターとコンテンツ執筆タスクのマッチング
• Authors: Narayana Darapaneni, Chandrashekhar Bhakuni, Ujjval Bhatt, Khamir Purohit, Vikas Sardna, Prabir Chakraborty, and Anwesh Reddy Paduri
• Abstract要約: コンテンツマーケティング業界は2021年末までに412.88億ドルの規模になる見込みだ。 素晴らしいコンテンツを生み出すためには、ビジネスを理解する優れた作家が必要です。 このプロジェクトでは、AIとMLツールを使用して、ライターとプロジェクトのギャップを埋めようとしている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Businesses need content. In various forms and formats and for varied purposes. In fact, the content marketing industry is set to be worth $412.88 billion by the end of 2021. However, according to the Content Marketing Institute, creating engaging content is the #1 challenge that marketers face today. We under-stand that producing great content requires great writers who understand the business and can weave their message into reader (and search engine) friendly content. In this project, the team has attempted to bridge the gap between writers and projects by using AI and ML tools. We used NLP techniques to analyze thou-sands of publicly available business articles (corpora) to extract various defining factors for each writing sample. Through this project we aim to automate the highly time-consuming, and often biased task of manually shortlisting the most suitable writer for a given content writing requirement. We believe that a tool like this will have far reaching positive implications for both parties - businesses looking for suitable talent for niche writing jobs as well as experienced writers and Subject Matter Experts (SMEs) wanting to lend their services to content marketing projects. The business gets the content they need, the content writer/ SME gets a chance to leverage his or her talent, while the reader gets authentic content that adds real value.
• Abstract（参考訳）: ビジネスにはコンテンツが必要だ。 様々な形態と形式で 様々な目的のために 実際、コンテンツマーケティング業界は2021年末までに412.88億ドルの価値があると予測されている。 しかし、Content Marketing Instituteによると、エンゲージメントのあるコンテンツを作ることは今日マーケターが直面する第1の課題だ。 優れたコンテンツを作るには、ビジネスを理解し、そのメッセージを読者(および検索エンジン)フレンドリーなコンテンツに織り込む優れたライターが必要です。 このプロジェクトでは、AIとMLツールを使用して、ライターとプロジェクトのギャップを埋めようとしている。 我々は、NLP技術を用いて、公開可能なビジネス記事(コーパス)のthou-sandを解析し、各書き込みサンプルのさまざまな定義要素を抽出した。 このプロジェクトを通じて、特定のコンテンツ記述要求に対して最も適したライターを手作業でショートリストする、非常に時間を要する、しばしばバイアスのあるタスクを自動化することを目指している。 このようなツールは、ニッチな執筆作業に適した人材を探している企業や、経験豊富なライターや、コンテンツマーケティングプロジェクトへのサービス提供を希望する主題専門家(SME)といった、双方にとって大きな意味を持つと思います。 ビジネスは必要なコンテンツを取得し、コンテンツライター/中小企業は自身の才能を活用する機会を得る一方、読者は真の価値を付加する本物のコンテンツを得る。

関連論文リスト

• "It was 80% me, 20% AI": Seeking Authenticity in Co-Writing with Large Language Models [97.22914355737676]
  我々は、AIツールと共同で書き込む際に、著者が自分の真正な声を保存したいかどうか、どのように検討する。 本研究は,人間とAIの共創における真正性の概念を解明するものである。 読者の反応は、人間とAIの共著に対する関心が低かった。
  論文  参考訳（メタデータ） (2024-11-20T04:42:32Z)
• LLMs Assist NLP Researchers: Critique Paper (Meta-)Reviewing [106.45895712717612]
  大規模言語モデル(LLM)は、様々な生成タスクにおいて顕著な汎用性を示している。 本研究は,NLP研究者を支援するLLMの話題に焦点を当てる。 私たちの知る限りでは、このような包括的な分析を提供するのはこれが初めてです。
  論文  参考訳（メタデータ） (2024-06-24T01:30:22Z)
• LFED: A Literary Fiction Evaluation Dataset for Large Language Models [58.85989777743013]
  元々は中国語で書かれたか、中国語に翻訳された95の文学小説を収集し、数世紀にわたって幅広い話題を扱っている。 質問分類を8つのカテゴリーで定義し,1,304の質問の作成を導く。 我々は、小説の特定の属性(小説の種類、文字番号、出版年など)がLLMのパフォーマンスに与える影響を詳細に分析する。
  論文  参考訳（メタデータ） (2024-05-16T15:02:24Z)
• LLMs as Writing Assistants: Exploring Perspectives on Sense of Ownership and Reasoning [0.0]
  執筆におけるオーナシップの感覚は、思考、時間、貢献の投資を制限し、アウトプットへのアタッチメントにつながります。 すべてのタスクが同等であっても、創造的なタスクでは、LLM(Large Language Models)を信用する傾向があります。 我々は,これらの問題を調査し,その基礎となる認知過程を理解して,書面における人間とコンピュータの相互作用についてより深い知識を得るための簡単な調査を行う。
  論文  参考訳（メタデータ） (2024-03-20T21:06:42Z)
• CREATIVESUMM: Shared Task on Automatic Summarization for Creative Writing [90.58269243992318]
  本稿では,複数の創作分野,すなわち文学テキスト,映画脚本,テレビ脚本を要約する作業について紹介する。 4つのサブタスクとその対応するデータセットを導入し、本、映画脚本、プライムタイムテレビ脚本、昼間のソープオペラ脚本の要約に焦点を当てた。 COING 2022でのCREATIVESUMMワークショップの一環として、共有タスクには合計18の応募が寄せられた。
  論文  参考訳（メタデータ） (2022-11-10T21:31:03Z)
• Creative Writing with an AI-Powered Writing Assistant: Perspectives from Professional Writers [9.120878749348986]
  ニューラルネットワークモデルを用いた自然言語生成(NLG)は、AIによるクリエイティブな記述ツールを構築するという目標に、これまで以上に近づいています。 ニューラルネットワークモデルを用いた自然言語生成の最近の進歩は、AIを使ったクリエイティブな記述ツールを構築するという目標に、これまで以上に近づいている。
  論文  参考訳（メタデータ） (2022-11-09T17:00:56Z)
• Beyond Text Generation: Supporting Writers with Continuous Automatic Text Summaries [27.853155569154705]
  本稿では,ユーザによる記述プロセスの計画,構造化,反映を支援するテキストエディタを提案する。 自動テキスト要約を用いて、連続的に更新された段落の要約をマージンアノテーションとして提供する。
  論文  参考訳（メタデータ） (2022-08-19T13:09:56Z)
• How to Train Your Agent to Read and Write [52.24605794920856]
  研究論文の読み書きは、資格のある研究者が習得すべき最も特権のある能力の1つである。 読者が論文を読み、要約できるようにインテリジェントなエージェントを訓練し、おそらく新しい論文を書くための潜在的な知識の手がかりを発見し、活用できれば、それは魅力的です。 本研究では,入力段落から知識グラフ(KG)を抽出して潜在的な知識を発見できるtextitReader,新規段落を生成するgraph-to-text TextitWriter,およびtextitから構成されるDeep ReAder-Writer(DRAW)ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-01-04T12:22:04Z)
• An Integrated Approach for Improving Brand Consistency of Web Content: Modeling, Analysis and Recommendation [27.312543486663536]
  約650社から約3万のWebページコンテンツを収集しています。 内容の言語的特徴を考慮した特徴特化分類モデルを開発した。 そこで我々は,企業のブランドパーソナリティとより整合性を持たせるために,変更すべき上位3つの文を出力する文ランキングシステムを開発した。
  論文  参考訳（メタデータ） (2020-11-19T10:18:47Z)
• Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
  本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。 我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。 我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
  論文  参考訳（メタデータ） (2020-08-21T20:59:34Z)

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。