論文の概要: ACCoRD: A Multi-Document Approach to Generating Diverse Descriptions of Scientific Concepts

• arxiv url: http://arxiv.org/abs/2205.06982v1
• Date: Sat, 14 May 2022 06:18:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-19 05:48:11.336987
• Title: ACCoRD: A Multi-Document Approach to Generating Diverse Descriptions of Scientific Concepts
• Title（参考訳）: アコーディオン:科学概念の多様な記述を生成するためのマルチドキュメントアプローチ
• Authors: Sonia K. Murthy, Kyle Lo, Daniel King, Chandra Bhagavatula, Bailey Kuehl, Sophie Johnson, Jonathan Borchardt, Daniel S. Weld, Tom Hope, Doug Downey
• Abstract要約: ACCoRDは、科学概念の記述セットを生成する新しいタスクに取り組むエンドツーエンドシステムである。 我々のシステムは、科学的文献で言及される無数の方法を利用して、異なる多様な記述を生成する。
• 参考スコア（独自算出の注目度）: 38.89801124576621
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Systems that can automatically define unfamiliar terms hold the promise of improving the accessibility of scientific texts, especially for readers who may lack prerequisite background knowledge. However, current systems assume a single "best" description per concept, which fails to account for the many potentially useful ways a concept can be described. We present ACCoRD, an end-to-end system tackling the novel task of generating sets of descriptions of scientific concepts. Our system takes advantage of the myriad ways a concept is mentioned across the scientific literature to produce distinct, diverse descriptions of target scientific concepts in terms of different reference concepts. To support research on the task, we release an expert-annotated resource, the ACCoRD corpus, which includes 1,275 labeled contexts and 1,787 hand-authored concept descriptions. We conduct a user study demonstrating that (1) users prefer descriptions produced by our end-to-end system, and (2) users prefer multiple descriptions to a single "best" description.
• Abstract（参考訳）: 不慣れな用語を自動的に定義できるシステムは、科学的なテキストのアクセシビリティを向上させるという約束を持っている。 しかし、現在のシステムは概念ごとに一つの「ベスト」な記述を前提としており、概念を記述できる多くの有用な方法を考慮できない。 本稿では,科学概念の記述セットを生成する新しいタスクに取り組む,エンドツーエンドシステムACCoRDを提案する。 我々のシステムは、科学文献で言及される概念の無数の方法を利用して、異なる参照概念の観点で、対象とする科学概念の明瞭で多様な記述を作成する。 タスクの研究を支援するために,1275のラベル付きコンテキストと1,787の手書きコンセプト記述を含む,専門家によるアノテーション付きリソースであるアコーディオンコーパスをリリースする。 本研究では,(1)エンド・ツー・エンドのシステムで作成された記述をユーザが好むこと,(2)複数の記述を1つの「ベスト」記述に優先すること,を示す。

関連論文リスト

• Knowledge Transfer Across Modalities with Natural Language Supervision [8.493435472659646]
  我々は,文章記述のみを用いて新しい概念を学習する方法を提示する。人間の知覚と同様に,異種間相互作用を活用して新しい概念を導入する。 知識伝達は, マルチモーダルモデルにおける新しい概念を, 極めて効率的な方法で導入できることを示す。
  論文  参考訳（メタデータ） (2024-11-23T17:26:50Z)
• A Concept-Based Explainability Framework for Large Multimodal Models [52.37626977572413]
  本稿では,トークン表現に適用した辞書学習に基づくアプローチを提案する。 これらの概念は、視覚とテキストの両方に意味論的に根ざしていることを示す。 抽出したマルチモーダル概念は,テストサンプルの表現の解釈に有用であることを示す。
  論文  参考訳（メタデータ） (2024-06-12T10:48:53Z)
• Learning Structure and Knowledge Aware Representation with Large Language Models for Concept Recommendation [50.31872005772817]
  概念推薦は,学習者が自身の知識状態と人間の知識システムに基づいて学習する次の概念を提案することを目的としている。 従来のアプローチでは、人間の知識システムをこれらの教育モデルを設計するプロセスに効果的に統合していない。 SKarREC(Structure and Knowledge Aware Representation Learning framework for concept Recommendation)を提案する。
  論文  参考訳（メタデータ） (2024-05-21T01:35:36Z)
• Concept Induction using LLMs: a user experiment for assessment [1.1982127665424676]
  本研究では,人間に対する説明として意味のある高レベルな概念を生成するために,LLM(Large Language Model)の可能性を探る。 我々は、LLMによって生成された概念を、人間によって生成された概念とECII概念誘導システムという、他の2つの方法と比較する。 人為的な説明は依然として優れているが, GPT-4 から派生した概念は, ECII が生成した概念よりも人間にとって理解しやすいことが示唆された。
  論文  参考訳（メタデータ） (2024-04-18T03:22:02Z)
• A Taxonomy of Decentralized Identifier Methods for Practitioners [50.76687001060655]
  SSI(Self-Sovereign Identity)の新たなアイデンティティ管理パラダイムの中核となるのは、W3C Decentralized Identifiers(DID)標準である。 本稿では, DID手法を選択する際に, 実践者が情報的意思決定を行えるようにするためのDID手法の分類法を提案する。
  論文  参考訳（メタデータ） (2023-10-18T13:01:40Z)
• Exploring and Verbalizing Academic Ideas by Concept Co-occurrence [42.16213986603552]
  本研究は,学術的アイデアインスピレーションのための概念共起に基づく枠組みを考案する。 我々は20の分野やトピックから概念の共起関係に基づき、進化する概念グラフを構築する。 我々は、共起励磁法と呼ばれる新しいデータ構造に基づくアイデアの記述を生成する。
  論文  参考訳（メタデータ） (2023-06-04T07:01:30Z)
• Expedition: A System for the Unsupervised Learning of a Hierarchy of Concepts [0.522145960878624]
  本稿では,意味のある文字列に対応する無数の概念のボトムアップ累積学習システムを提案する。 学習は、発見される概念が予測対象だけでなく予測対象として使用されるという点で自己監督される。 ベースライン予測システムとの比較から,学習概念とセグメンテーションする目的を考案する。
  論文  参考訳（メタデータ） (2021-12-17T06:49:18Z)
• Formalising Concepts as Grounded Abstractions [68.24080871981869]
  このレポートは、表現学習が生データから概念を誘導する方法を示しています。 このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
  論文  参考訳（メタデータ） (2021-01-13T15:22:01Z)
• Computational linguistic assessment of textbook and online learning media by means of threshold concepts in business education [59.003956312175795]
  言語学的観点では、しきい値の概念は特別な語彙の例であり、特定の言語的特徴を示す。 ビジネス教育における63のしきい値の概念のプロファイルは、教科書、新聞、ウィキペディアで調査されている。 3種類のリソースは、しきい値の概念のプロファイルから区別できる。
  論文  参考訳（メタデータ） (2020-08-05T12:56:16Z)

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。