論文の概要: Combining Deep Neural Reranking and Unsupervised Extraction for Multi-Query Focused Summarization

• arxiv url: http://arxiv.org/abs/2302.01148v1
• Date: Thu, 2 Feb 2023 15:08:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-03 13:33:41.238181
• Title: Combining Deep Neural Reranking and Unsupervised Extraction for Multi-Query Focused Summarization
• Title（参考訳）: マルチクエリ集中要約のためのディープニューラルリグレードと教師なし抽出の組み合わせ
• Authors: Philipp Seeberger, Korbinian Riedhammer
• Abstract要約: CrisisFACTS Trackは、イベントトラッキングの領域におけるマルチストリームファクトフィニングのような課題に対処することを目的としている。 本稿では,Linear Programming (ILP) とMaximal Marginal Relevance (MMR) フレームワークの検索,再評価,統合の組み合わせを提案する。
• 参考スコア（独自算出の注目度）: 0.30458514384586394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The CrisisFACTS Track aims to tackle challenges such as multi-stream fact-finding in the domain of event tracking; participants' systems extract important facts from several disaster-related events while incorporating the temporal order. We propose a combination of retrieval, reranking, and the well-known Integer Linear Programming (ILP) and Maximal Marginal Relevance (MMR) frameworks. In the former two modules, we explore various methods including an entity-based baseline, pre-trained and fine-tuned Question Answering systems, and ColBERT. We then use the latter module as an extractive summarization component by taking diversity and novelty criteria into account. The automatic scoring runs show strong results across the evaluation setups but also reveal shortcomings and challenges.
• Abstract（参考訳）: CrisisFACTS Trackは、イベントトラッキングの領域におけるマルチストリームファクトフィニングのような課題に対処することを目的としており、参加者のシステムは、時間的順序を取り入れながら、いくつかの災害関連イベントから重要な事実を抽出する。 本稿では、検索、再ランク付け、よく知られた整数線形プログラミング(ILP)とMMR(Maximal Marginal Relevance)フレームワークの組み合わせを提案する。 従来の2つのモジュールでは,エンティティベースのベースライン,事前学習と微調整による質問応答システム,ColBERTなど,さまざまな手法が検討されている。 次に、多様性と新規性基準を考慮して、後者のモジュールを抽出的な要約成分として利用する。 自動スコアリングの実行は、評価設定全体で強い結果を示すが、欠点や課題も明らかにする。

関連論文リスト

• Improving Retrieval-Augmented Generation through Multi-Agent Reinforcement Learning [51.54046200512198]
  Retrieval-augmented Generation (RAG) は、外部の現在の知識を大規模言語モデルに組み込むために広く利用されている。 標準的なRAGパイプラインは、クエリ書き換え、文書検索、文書フィルタリング、回答生成など、いくつかのコンポーネントから構成される。 これらの課題を克服するため,RAGパイプラインを多エージェント協調作業として,各コンポーネントをRLエージェントとして扱うことを提案する。
  論文  参考訳（メタデータ） (2025-01-25T14:24:50Z)
• An Empirical Study of Training ID-Agnostic Multi-modal Sequential Recommenders [3.1093882314734285]
  Sequential Recommendation (SR) は、過去のインタラクションに基づいて、将来のユーザとイテムのインタラクションを予測することを目的としている。 多くのSRアプローチはユーザIDとアイテムIDに重点を置いているが、テキストや画像のようなマルチモーダル信号を通じて世界に対する人間の認識は、研究者にIDを使わずにマルチモーダル情報からSRを構築するよう促している。 本稿では,シンプルで普遍的なtextbfMulti-textbfModal textbfSequential textbfRecommendation (textbfMMSR) フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-26T04:16:57Z)
• Multi-Query Focused Disaster Summarization via Instruction-Based Prompting [3.6199702611839792]
  CrisisFACTSは,マルチストリームファクトフィンディングに基づく災害要約の推進を目的としている。 ここでは、いくつかの災害関連事象から重要な事実を抽出できるシステムを開発するよう、参加者に依頼する。 本稿では,この課題に対処する方法について述べる。
  論文  参考訳（メタデータ） (2024-02-14T08:22:58Z)
• DQNC2S: DQN-based Cross-stream Crisis event Summarizer [12.522889958051284]
  本研究は,Deep Q-Networksによる弱いアノテーションに基づく危機時生成に対するオンラインアプローチを提案する。 人間のアノテーションもコンテンツの再ランクも必要とせずに、関連するテキストをオンザフライで選択する。 ROUGEとBERTScoreの結果は、CrisisFACTS 2022ベンチマークの最高の性能のモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-12T16:43:28Z)
• ReST meets ReAct: Self-Improvement for Multi-Step Reasoning LLM Agent [50.508669199496474]
  外部知識に基づいて推論と行動を行うReAct-style LLMエージェントを開発した。 エージェントをReSTライクな手法で改良し,従来の軌道上で反復的に訓練する。 引き起こされた大きなモデルから始まり、アルゴリズムのたった2イテレーションの後に、微調整された小さなモデルを生成することができる。
  論文  参考訳（メタデータ） (2023-12-15T18:20:15Z)
• Exploiting Modality-Specific Features For Multi-Modal Manipulation Detection And Grounding [54.49214267905562]
  マルチモーダルな操作検出とグラウンド処理のためのトランスフォーマーベースのフレームワークを構築する。 本フレームワークは,マルチモーダルアライメントの能力を維持しながら,モダリティ特有の特徴を同時に探求する。 本稿では,グローバルな文脈的キューを各モーダル内に適応的に集約する暗黙的操作クエリ(IMQ)を提案する。
  論文  参考訳（メタデータ） (2023-09-22T06:55:41Z)
• Enhancing Human-like Multi-Modal Reasoning: A New Challenging Dataset and Comprehensive Framework [51.44863255495668]
  マルチモーダル推論は、人間のような知性を示す人工知能システムの追求において重要な要素である。 提案するマルチモーダル推論(COCO-MMR)データセットは,オープンエンド質問の集合を包含する新しいデータセットである。 画像とテキストエンコーダを強化するために,マルチホップ・クロスモーダル・アテンションや文レベルのコントラスト学習などの革新的な手法を提案する。
  論文  参考訳（メタデータ） (2023-07-24T08:58:25Z)
• Multi-Perspective Abstractive Answer Summarization [76.10437565615138]
  コミュニティ質問応答フォーラムには、幅広い質問に対する回答の豊富なリソースが含まれている。 マルチパースペクティブな回答要約の目標は、答えのすべての観点を含む要約を作成することである。 本研究は,多視点抽象要約を自動生成する新しいデータセット作成手法を提案する。
  論文  参考訳（メタデータ） (2021-04-17T13:15:29Z)
• Abstractive Query Focused Summarization with Query-Free Resources [60.468323530248945]
  本稿では,汎用的な要約リソースのみを利用して抽象的なqfsシステムを構築する問題を考える。 本稿では,要約とクエリのための新しい統一表現からなるMasked ROUGE回帰フレームワークであるMargeを提案する。 最小限の監視から学習したにもかかわらず,遠隔管理環境において最先端の結果が得られた。
  論文  参考訳（メタデータ） (2020-12-29T14:39:35Z)

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。