論文の概要: SmartBook: AI-Assisted Situation Report Generation
- arxiv url: http://arxiv.org/abs/2303.14337v2
- Date: Tue, 28 Mar 2023 15:58:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-29 11:14:07.093761
- Title: SmartBook: AI-Assisted Situation Report Generation
- Title(参考訳): SmartBook:AI支援の状況報告生成
- Authors: Revanth Gangi Reddy, Yi R. Fung, Qi Zeng, Manling Li, Ziqi Wang, Paul
Sullivan and Heng Ji
- Abstract要約: 本稿では,構造化状況レポートを生成するために,大量のニュースデータを消費するSmartBookを提案する。
We realize SmartBook for the Ukraine-Russia crisis by automatically generation intelligence analysis reports。
提案するフレームワークは,手作業によるアナリストの質問よりも,リアルタイムなイベント関連戦略的質問を自動的に検出する。
- 参考スコア(独自算出の注目度): 52.8904969411152
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Emerging events, such as the COVID pandemic and the Ukraine Crisis, require a
time-sensitive comprehensive understanding of the situation to allow for
appropriate decision-making and effective action response. Automated generation
of situation reports can significantly reduce the time, effort, and cost for
domain experts when preparing their official human-curated reports. However, AI
research toward this goal has been very limited, and no successful trials have
yet been conducted to automate such report generation. We propose SmartBook, a
novel task formulation targeting situation report generation, which consumes
large volumes of news data to produce a structured situation report with
multiple hypotheses (claims) summarized and grounded with rich links to factual
evidence. We realize SmartBook for the Ukraine-Russia crisis by automatically
generating intelligence analysis reports to assist expert analysts. The
machine-generated reports are structured in the form of timelines, with each
timeline organized by major events (or chapters), corresponding strategic
questions (or sections) and their grounded summaries (or section content). Our
proposed framework automatically detects real-time event-related strategic
questions, which are more directed than manually-crafted analyst questions,
which tend to be too complex, hard to parse, vague and high-level. Results from
thorough qualitative evaluations show that roughly 82% of the questions in
Smartbook have strategic importance, with at least 93% of the sections in the
report being tactically useful. Further, experiments show that expert analysts
tend to add more information into the SmartBook reports, with only 2.3% of the
existing tokens being deleted, meaning SmartBook can serve as a useful
foundation for analysts to build upon when creating intelligence reports.
- Abstract(参考訳): 新型コロナウイルスのパンデミックやウクライナ危機などの新興イベントでは、適切な意思決定と効果的な行動対応を可能にするために、状況に関する時間に敏感な包括的な理解が必要である。
状況報告の自動生成は、公式のヒューマンキュレートレポートを作成する際に、ドメインエキスパートの時間、労力、コストを大幅に削減することができる。
しかし、この目標に向けたAI研究は非常に限られており、そのようなレポート生成を自動化するための試験がまだ成功していない。
本研究では,大量のニュースデータを消費し,複数の仮説(主張)を要約した構造化状況報告を作成し,事実証拠との豊かなリンクを基礎とする,新しいタスク定式化手法であるsmartbookを提案する。
我々は,専門家分析支援のための情報分析レポートを自動生成することにより,ウクライナ・ロシア危機に対するスマートブックを実現する。
マシン生成レポートはタイムライン形式で構成され、それぞれのタイムラインは主要なイベント(あるいは章)、対応する戦略的質問(セクション)、およびそれらの接頭辞(セクション内容)によって構成される。
提案するフレームワークは,リアルタイムのイベント関連の戦略的質問を自動的に検出する。これは,手作業によるアナリストの質問よりも指示的であり,複雑すぎる,解析が難しい,曖昧でハイレベルであることが多い。
徹底的な質的評価の結果、Smartbookの質問の約82%が戦略的に重要であり、レポートの少なくとも93%が戦術的に有用であることがわかった。
さらに、実験によれば、専門家のアナリストはsmartbookレポートにより多くの情報を追加する傾向があり、既存のトークンの2.3%しか削除されていない。
関連論文リスト
- Uncovering Customer Issues through Topological Natural Language Analysis [17.694323151611275]
本稿では,新しい機械学習アルゴリズムを提案する。
このアプローチでは、エンド・ツー・エンドのディープラーニングフレームワークが、各ユーザの書き起こしの第一問文を同時にタグ付けします。
我々は,様々な手法を用いてその結果を検証し,それらがニュースソースと高度に一致していることを発見した。
論文 参考訳(メタデータ) (2024-02-24T00:15:09Z) - InfoLossQA: Characterizing and Recovering Information Loss in Text
Simplification [62.61201551494709]
本研究は, 簡易化による情報損失を問合せ・問合せ形式で特徴づけ, 回復する枠組みを提案する。
QAペアは、読者がテキストの知識を深めるのに役立つように設計されている。
論文 参考訳(メタデータ) (2024-01-29T19:00:01Z) - AGIR: Automating Cyber Threat Intelligence Reporting with Natural
Language Generation [15.43868945929965]
我々は,CTIレポートの変換ツールであるAGIR(Automatic Generation of Intelligence Reports)を紹介する。
AGIRの主な目的は、包括的インテリジェンスレポートを生成するための労働集約的なタスクを自動化することで、セキュリティアナリストを強化することである。
我々はAGIRのレポート生成能力を定量的かつ質的に評価する。
論文 参考訳(メタデータ) (2023-10-04T08:25:37Z) - ExpertQA: Expert-Curated Questions and Attributed Answers [54.764273324907684]
本稿では,いくつかのシステムから得られる様々な事実と帰属の軸を解析する評価研究について述べる。
まず、32分野にわたる484人の被験者から専門家による質問を収集し、同じ専門家に自身の質問に対する回答を評価する。
また、専門家に言語モデルによる回答の修正を依頼し、32分野にわたる2177の質問からなる高品質の長文QAデータセットであるExpertQAを導いた。
論文 参考訳(メタデータ) (2023-09-14T16:54:34Z) - Paradigm Shift in Sustainability Disclosure Analysis: Empowering
Stakeholders with CHATREPORT, a Language Model-Based Tool [10.653984116770234]
本稿では,企業サステナビリティレポートの分析を自動化するために,専門知識を持つ大規模言語モデル(LLM)を強化する新たなアプローチを提案する。
当社はCHATREPORTを認定し、企業における気候変動リスクの開示を評価するための第1のユースケースに適用する。
論文 参考訳(メタデータ) (2023-06-27T14:46:47Z) - Analyzing social media with crowdsourcing in Crowd4SDG [1.1403672224109254]
本研究は,ソーシャルメディアの分析,特に緊急時におけるフレキシブルな支援を提供するアプローチを提案する。
焦点は、ソーシャルメディア投稿に含まれる画像やテキストを分析し、コンテンツのフィルタリング、分類、位置決めのための一連の自動データ処理ツールである。
このようなサポートには、自動ツールを設定するためのフィードバックと提案、市民からのインプットを集めるためのクラウドソーシングの両方が含まれる。
論文 参考訳(メタデータ) (2022-08-04T14:42:20Z) - Towards Complex Document Understanding By Discrete Reasoning [77.91722463958743]
VQA(Document Visual Question Answering)は、自然言語による質問に答えるために、視覚的に豊富なドキュメントを理解することを目的としている。
我々は3,067の文書ページと16,558の質問応答ペアからなる新しいドキュメントVQAデータセットTAT-DQAを紹介する。
我々は,テキスト,レイアウト,視覚画像など,多要素の情報を考慮に入れたMHSTという新しいモデルを開発し,異なるタイプの質問にインテリジェントに対処する。
論文 参考訳(メタデータ) (2022-07-25T01:43:19Z) - When is Memorization of Irrelevant Training Data Necessary for
High-Accuracy Learning? [53.523017945443115]
我々は,十分な精度のトレーニングアルゴリズムが,予測モデルにおいて,そのトレーニング例の大規模サブセットに関する情報を本質的にすべてエンコードしなければならない自然予測問題を記述する。
私たちの結果は、トレーニングアルゴリズムや学習に使用されるモデルのクラスに依存しません。
論文 参考訳(メタデータ) (2020-12-11T15:25:14Z) - Predicting Themes within Complex Unstructured Texts: A Case Study on
Safeguarding Reports [66.39150945184683]
本稿では,教師付き分類手法を用いた保護レポートにおいて,主テーマの自動識別の問題に焦点をあてる。
この結果から,ラベル付きデータに制限のある複雑なタスクであっても,深層学習モデルが対象知識の振る舞いをシミュレートする可能性が示唆された。
論文 参考訳(メタデータ) (2020-10-27T19:48:23Z)
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。