論文の概要: Overview of the ICASSP 2023 General Meeting Understanding and Generation
Challenge (MUG)
- arxiv url: http://arxiv.org/abs/2303.13932v1
- Date: Fri, 24 Mar 2023 11:42:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-27 14:47:42.866280
- Title: Overview of the ICASSP 2023 General Meeting Understanding and Generation
Challenge (MUG)
- Title（参考訳）: ICASSP 2023総合会議理解・生成チャレンジ(MUG)の概要
- Authors: Qinglin Zhang, Chong Deng, Jiaqing Liu, Hai Yu, Qian Chen, Wen Wang,
Zhijie Yan, Jinglin Liu, Yi Ren, Zhou Zhao
- Abstract要約: MUGには、トピックセグメンテーション、トピックレベルおよびセッションレベルの抽出要約、トピックタイトル生成、キーフレーズ抽出、アクションアイテム検出の5つのトラックが含まれている。
MUGを容易にするために,大規模なミーティングデータセットであるAliMeeting4MUG Corpusを構築し,リリースする。
- 参考スコア（独自算出の注目度）: 60.09540662936726
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: ICASSP2023 General Meeting Understanding and Generation Challenge (MUG)
focuses on prompting a wide range of spoken language processing (SLP) research
on meeting transcripts, as SLP applications are critical to improve users'
efficiency in grasping important information in meetings. MUG includes five
tracks, including topic segmentation, topic-level and session-level extractive
summarization, topic title generation, keyphrase extraction, and action item
detection. To facilitate MUG, we construct and release a large-scale meeting
dataset, the AliMeeting4MUG Corpus.
- Abstract（参考訳）: ICASSP2023 General Meeting Understanding and Generation Challenge (MUG) は、会議において重要な情報を把握する上で、SLPアプリケーションがユーザの効率を向上させるために重要であるため、会議記述書に対する幅広い言語処理(SLP)研究を促進することに焦点を当てている。
MUGにはトピックセグメンテーション、トピックレベルおよびセッションレベルの抽出要約、トピックタイトル生成、キーフレーズ抽出、アクションアイテム検出の5つのトラックが含まれている。
MUGを容易にするために,大規模なミーティングデータセットであるAliMeeting4MUG Corpusを構築し,リリースする。
関連論文リスト
- CORAL: Benchmarking Multi-turn Conversational Retrieval-Augmentation Generation [68.81271028921647]
我々は,現実的なマルチターン対話環境におけるRAGシステム評価のためのベンチマークであるCORALを紹介する。
コラルにはウィキペディアから自動的に派生した多様な情報検索会話が含まれている。
対話型RAGの3つの中核的なタスク、すなわち、通過検索、応答生成、および引用ラベリングをサポートする。
論文 参考訳（メタデータ） (2024-10-30T15:06:32Z) - Investigating Consistency in Query-Based Meeting Summarization: A
Comparative Study of Different Embedding Methods [0.0]
テキスト要約は自然言語処理(NLP)分野における有名な応用の1つである。
与えられたコンテキストに基づいて重要な情報による要約を自動的に生成することを目的としている。
本稿では,Microsoft が提案した "QMSum: A New Benchmark for Query-based Multi-domain Meeting Summarization" に着想を得た。
また,提案するLocaterモデルを用いて,与えられたテキストとクエリに基づいて関連するスパンを抽出し,それをSummarizerモデルで要約する。
論文 参考訳（メタデータ） (2024-02-10T08:25:30Z) - Aspect-based Meeting Transcript Summarization: A Two-Stage Approach with
Weak Supervision on Sentence Classification [91.13086984529706]
Aspect-based meeting transcript summarization は複数の要約を生成することを目的としている。
従来の要約手法は、全ての側面の情報を1つの要約で混合する。
アスペクトベースの会議書き起こし要約のための2段階の手法を提案する。
論文 参考訳（メタデータ） (2023-11-07T19:06:31Z) - Improving Query-Focused Meeting Summarization with Query-Relevant
Knowledge [71.14873115781366]
本稿では,その課題に対処するため,知識認識要約器(KAS)と呼ばれる知識強化2段階のフレームワークを提案する。
最初の段階では、クエリ関連セグメント抽出を改善するために知識認識スコアを導入します。
第2段階では,クエリ関連知識を要約生成に取り入れる。
論文 参考訳（メタデータ） (2023-09-05T10:26:02Z) - Pushing the Limits of ChatGPT on NLP Tasks [79.17291002710517]
ChatGPTの成功にもかかわらず、ほとんどのNLPタスクのパフォーマンスは教師付きベースラインよりかなり低い。
そこで本研究では,原因を調べた結果,以下の要因が原因であることが判明した。
NLPタスクにおけるChatGPTの限界を押し上げるために,これらの問題に対処する汎用モジュールの集合を提案する。
論文 参考訳（メタデータ） (2023-06-16T09:40:05Z) - MUG: A General Meeting Understanding and Generation Benchmark [60.09540662936726]
我々はAliMeeting4MUG Corpusを構築した。
本稿では,このコーパスの詳細な紹介,SLPタスクと評価方法,ベースラインシステムとその性能について述べる。
論文 参考訳（メタデータ） (2023-03-24T11:52:25Z) - W2KPE: Keyphrase Extraction with Word-Word Relation [4.759934907814052]
我々は、課題を単一クラスの名前付きエンティティ認識タスクとしてモデル化する。
データ前処理では,単語分割後の分割キーフレーズを符号化する。
我々は、キーフレーズのスパース性に対処するため、損失関数をマルチクラス焦点損失に置き換える。
論文 参考訳（メタデータ） (2023-03-22T15:32:40Z) - QMSum: A New Benchmark for Query-based Multi-domain Meeting
Summarization [45.83402681068943]
QMSumは、複数のドメインで232のミーティングで1,808のクエリサマリーペアで構成されている。
find-then-summarizeメソッドを調査し、タスクに関する強力な要約ベースラインのセットを評価します。
論文 参考訳（メタデータ） (2021-04-13T05:00:35Z)
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。