論文の概要: Unsupervised Broadcast News Summarization; a comparative study on
Maximal Marginal Relevance (MMR) and Latent Semantic Analysis (LSA)
- arxiv url: http://arxiv.org/abs/2301.02284v1
- Date: Thu, 5 Jan 2023 20:13:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-09 23:31:58.551706
- Title: Unsupervised Broadcast News Summarization; a comparative study on
Maximal Marginal Relevance (MMR) and Latent Semantic Analysis (LSA)
- Title(参考訳): 教師なし放送ニュース要約:MMR(Maximal Marginal Relevance)とLSA(Latent Semantic Analysis)の比較研究
- Authors: Majid Ramezani and Mohammad-Salar Shahryari and Amir-Reza
Feizi-Derakhshi and Mohammad-Reza Feizi-Derakhshi
- Abstract要約: 音声の自動要約法は,教師なしと教師なしの2つのグループに分類される。
音声の自動要約において,Latent Semantic Analysis (LSA) とMaximal Marginal Relevance (MMR) が最も重要かつよく知られた教師なしの手法と考えられている。
本研究は,ペルシア放送ニュース要約の書き起こしにおける,前述の2つの教師なし手法の性能について検討することを目的とした。
- 参考スコア(独自算出の注目度): 3.8137985834223507
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The methods of automatic speech summarization are classified into two groups:
supervised and unsupervised methods. Supervised methods are based on a set of
features, while unsupervised methods perform summarization based on a set of
rules. Latent Semantic Analysis (LSA) and Maximal Marginal Relevance (MMR) are
considered the most important and well-known unsupervised methods in automatic
speech summarization. This study set out to investigate the performance of two
aforementioned unsupervised methods in transcriptions of Persian broadcast news
summarization. The results show that in generic summarization, LSA outperforms
MMR, and in query-based summarization, MMR outperforms LSA in broadcast news
summarization.
- Abstract(参考訳): 自動音声要約の方法は教師なしと教師なしの2つのグループに分類される。
監視されたメソッドは一連の機能に基づいており、教師なしメソッドは一連のルールに基づいて要約を行う。
音声の自動要約において,Latent Semantic Analysis (LSA) とMaximal Marginal Relevance (MMR) が最も重要かつよく知られた教師なしの手法と考えられている。
本研究は,ペルシア放送ニュース要約の書き起こしにおける前述の2つの教師なし手法の性能について検討した。
その結果,総括要約ではlsaがmmrを上回り,クエリベースの要約では,放送ニュース要約ではmmrがlsaを上回った。
関連論文リスト
- SIFiD: Reassess Summary Factual Inconsistency Detection with LLM [27.392514180175283]
本研究では,Large Language Models (LLMs) を用いた要約不整合検出について再検討する。
本稿では,自然言語推論を用いて文書内のキー文を識別するSIFiD(Summary Inconsistency Detection with Filtered Document)を提案する。
論文 参考訳(メタデータ) (2024-03-12T11:41:51Z) - Hierarchical Indexing for Retrieval-Augmented Opinion Summarization [68.09977874599925]
本稿では,抽出アプローチの帰属性と拡張性と,大規模言語モデル(LLM)の一貫性と拡散性を組み合わせた,教師なし抽象的意見要約手法を提案する。
我々の方法であるHIROは、意味的に整理された離散的な階層を通して文を経路にマッピングするインデックス構造を学習する。
推測時にインデックスを投入し、入力レビューから人気意見を含む文群を識別し、検索する。
論文 参考訳(メタデータ) (2024-03-01T10:38:07Z) - Unsupervised Candidate Answer Extraction through Differentiable
Masker-Reconstructor Model [21.667471025804936]
本稿では,異なるMasker-Reconstructor(DMR)モデルを用いて,コンテキストパスの固有構造を利用する,教師なし候補解抽出手法を提案する。
我々は、教師付きおよび教師なし候補回答抽出手法の総合的なセットをベンチマークする。
本稿では,DMRモデルの有効性を,教師なし手法よりも優れた性能を示し,教師なし手法に匹敵する性能を示す。
論文 参考訳(メタデータ) (2023-10-19T19:07:08Z) - Open-Domain Text Evaluation via Meta Distribution Modeling [59.38686738625588]
オープンドメイン生成モデルを評価するための新しいアプローチ - Meta-Distribution Methods (MDM) を提案する。
筆者らは,1)メタディストリビューション法を利用したオープンドメインテキスト生成評価のためのMDMについて検討する。1)メタディストリビューション法を用いて,識別器ベースのメトリクスをトレーニングするためのドメイン内負のサンプルを生成するemphDiscriminative MDM,2)2つの言語モデル間の分散の相違を直接利用して評価を行うemphDiscriminative MDMについて検討する。
論文 参考訳(メタデータ) (2023-06-20T20:37:54Z) - Evaluating Factual Consistency of Summaries with Large Language Models [24.416837319515896]
大規模言語モデル(LLM)の直接的推進による要約の事実整合性の評価について検討する。
実験により, LLM のプロンプトは, 全ての設定において, 過去の最良事実性システムより優れていることが示された。
論文 参考訳(メタデータ) (2023-05-23T13:48:32Z) - Counterfactual Maximum Likelihood Estimation for Training Deep Networks [83.44219640437657]
深層学習モデルは、予測的手がかりとして学習すべきでない急激な相関を学習する傾向がある。
本研究では,観測可能な共同設立者による相関関係の緩和を目的とした因果関係に基づくトレーニングフレームワークを提案する。
自然言語推論(NLI)と画像キャプションという2つの実世界の課題について実験を行った。
論文 参考訳(メタデータ) (2021-06-07T17:47:16Z) - Estimating Average Treatment Effects with Support Vector Machines [77.34726150561087]
サポートベクターマシン(SVM)は、機械学習文献で最も人気のある分類アルゴリズムの1つです。
我々はsvmをカーネルベースの重み付け手順として適用し,治療群と制御群の最大平均差を最小化する。
このトレードオフから生じる因果効果推定のバイアスを特徴づけ、提案されたSVM手順と既存のカーネルバランシング手法を結びつけます。
論文 参考訳(メタデータ) (2021-02-23T20:22:56Z) - Unsupervised Extractive Summarization using Pointwise Mutual Information [5.544401446569243]
文間のポイントワイズ相互情報 (PMI) を用いて, 関連性および冗長性の新たな指標を提案する。
本手法は, ニュース, 医療雑誌記事, 個人逸話など, さまざまな領域のデータセットにおける類似性に基づく手法を上回っていることを示した。
論文 参考訳(メタデータ) (2021-02-11T21:05:50Z) - Multi-document Summarization with Maximal Marginal Relevance-guided
Reinforcement Learning [54.446686397551275]
RL-MMRは、古典的MDSで使用される高度な神経SDS法と統計測度を統一する。
RL-MMRは、より少ない有望な候補にMMRガイダンスを投入し、探索空間を抑え、より良い表現学習をもたらす。
論文 参考訳(メタデータ) (2020-09-30T21:50:46Z) - Revisiting LSTM Networks for Semi-Supervised Text Classification via
Mixed Objective Function [106.69643619725652]
我々は,単純なBiLSTMモデルであっても,クロスエントロピー損失でトレーニングした場合に,競争的な結果が得られるようなトレーニング戦略を開発する。
いくつかのベンチマークデータセット上で,テキスト分類タスクの最先端結果について報告する。
論文 参考訳(メタデータ) (2020-09-08T21:55:22Z) - Discrete Optimization for Unsupervised Sentence Summarization with
Word-Level Extraction [31.648764677078837]
自動要約は、その最も重要な情報を保存しながら、文章の短いバージョンを生成する。
我々はこれら2つの側面を言語モデリングと意味的類似度メトリクスからなる教師なし目的関数でモデル化する。
提案手法は,ROUGEスコアによる教師なし文要約のための新しい最先端技術を実現する。
論文 参考訳(メタデータ) (2020-05-04T19:01:55Z)
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。