論文の概要: SummHelper: Collaborative Human-Computer Summarization
- arxiv url: http://arxiv.org/abs/2308.08363v1
- Date: Wed, 16 Aug 2023 13:39:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-17 13:25:36.186702
- Title: SummHelper: Collaborative Human-Computer Summarization
- Title（参考訳）: SummHelper: 協調的な人-コンピュータの要約
- Authors: Aviv Slobodkin, Niv Nachum, Shmuel Amar, Ori Shapira, Ido Dagan
- Abstract要約: SummHelperは、人間と機械のコラボレーションを促進するために設計された2相要約アシスタントである。
最初のフェーズでは、潜在的なコンテンツを推薦し、ユーザーが追加のセレクションを受け入れ、修正し、導入することができる。
その後のフェーズであるコンテンツ統合では、SummHelperがこれらの選択からコヒーレントな要約を生成し、ユーザは要約とソーステキストの間のビジュアルマッピングを使用して洗練することができる。
- 参考スコア（独自算出の注目度）: 18.59681132630319
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current approaches for text summarization are predominantly automatic, with
rather limited space for human intervention and control over the process. In
this paper, we introduce SummHelper, a 2-phase summarization assistant designed
to foster human-machine collaboration. The initial phase involves content
selection, where the system recommends potential content, allowing users to
accept, modify, or introduce additional selections. The subsequent phase,
content consolidation, involves SummHelper generating a coherent summary from
these selections, which users can then refine using visual mappings between the
summary and the source text. Small-scale user studies reveal the effectiveness
of our application, with participants being especially appreciative of the
balance between automated guidance and opportunities for personal input.
- Abstract（参考訳）: テキスト要約の現在のアプローチは、主に自動であり、人間の介入やプロセスの制御に限られている。
本稿では,人間と機械の協調を促進するために設計された2相要約アシスタントSummHelperを紹介する。
最初のフェーズでは、潜在的なコンテンツを推薦し、ユーザーが追加の選択を受け入れ、修正し、導入することができる。
その後のフェーズであるコンテンツ統合では、summhelperがこれらの選択からコヒーレントなサマリを生成し、サマリとソーステキスト間の視覚的マッピングを使用して洗練することができる。
参加者は、自動化されたガイダンスと個人入力の機会のバランスを特に認識している。
関連論文リスト
- SumRecom: A Personalized Summarization Approach by Learning from Users' Feedback [0.6629765271909505]
本稿では,要約における実質的かつ困難な問題,すなわち特定のユーザに対して要約を推奨する解決法を提案する。
提案したアプローチはSumRecomと呼ばれ、人間をループに巻き込み、参照要約を必要とせず、パーソナライズ、インタラクション、ユーザの興味を学習する3つの側面に焦点を当てている。
論文 参考訳（メタデータ） (2024-08-02T22:33:59Z) - SummIt: Iterative Text Summarization via ChatGPT [12.966825834765814]
本稿では,ChatGPTのような大規模言語モデルに基づく反復的なテキスト要約フレームワークSummItを提案する。
我々のフレームワークは、自己評価とフィードバックによって生成された要約を反復的に洗練することを可能にする。
また, 繰り返し改良の有効性を検証し, 過補正の潜在的な問題を特定するために, 人間の評価を行う。
論文 参考訳（メタデータ） (2023-05-24T07:40:06Z) - Human-in-the-loop Abstractive Dialogue Summarization [61.4108097664697]
我々は、異なるレベルの人間のフィードバックをトレーニングプロセスに組み込むことを提案する。
これにより、モデルをガイドして、人間が要約に用いている振る舞いを捉えることができます。
論文 参考訳（メタデータ） (2022-12-19T19:11:27Z) - Summarization with Graphical Elements [55.5913491389047]
本稿では,グラフィカル要素による要約という新しい課題を提案する。
タスクの研究を支援するために,高品質なラベル付きデータセットを収集する。
論文 参考訳（メタデータ） (2022-04-15T17:16:41Z) - Controllable Neural Dialogue Summarization with Personal Named Entity
Planning [25.805553277418813]
本稿では、個人名付きエンティティプランニングによる対話要約をガイドできる制御可能なニューラルジェネレーションフレームワークを提案する。
条件列を変調して、要約を形成する際の情報の種類や視点を決定する。
論文 参考訳（メタデータ） (2021-09-27T14:19:32Z) - iFacetSum: Coreference-based Interactive Faceted Summarization for
Multi-Document Exploration [63.272359227081836]
iFacetSumは、インタラクティブな要約と顔検索を統合している。
微粒なファセットは、クロスドキュメントのコア参照パイプラインに基づいて自動的に生成される。
論文 参考訳（メタデータ） (2021-09-23T20:01:11Z) - Controllable Summarization with Constrained Markov Decision Process [50.04321779376415]
本研究では,ユーザが特定の属性を制御できる可制御テキスト要約について検討する。
制約付きマルコフ決定プロセス(CMDP)に基づく新しいトレーニングフレームワークを提案する。
我々のフレームワークは、長さ、被覆された実体、抽象性など、要約の重要な属性を制御するために応用できる。
論文 参考訳（メタデータ） (2021-08-07T09:12:53Z) - Controllable Abstractive Dialogue Summarization with Sketch Supervision [56.59357883827276]
本モデルは,最大50.79のROUGE-Lスコアを持つ最大対話要約コーパスSAMSumの最先端性能を実現する。
論文 参考訳（メタデータ） (2021-05-28T19:05:36Z) - A New Approach to Overgenerating and Scoring Abstractive Summaries [9.060597430218378]
ステージ1ではソーステキストから多様な候補要約を生成し,ステージ2では許容候補をスコア付けして選択する2段階戦略を提案する。
私達の発電機はスペースが限られているとき特に適している要約の長さの精密な制御を与えます。
我々のセレクタは、最適な要約長を予測し、元のテキストに忠実さを特に強調するように設計されている。
論文 参考訳（メタデータ） (2021-04-05T00:29:45Z) - Adaptive Summaries: A Personalized Concept-based Summarization Approach
by Learning from Users' Feedback [0.0]
本稿では,アダプティブ・サマリー(Adaptive Summaries)と呼ばれるインタラクティブな概念に基づく要約モデルを提案する。
本システムは,反復ループでフィードバックを与えることで,システムと対話しながら,ユーザの提供した情報から徐々に学習する。
生成したサマリーでユーザ好みのコンテンツを最大化することで、ユーザの好みに基づいた高品質なサマリー作成を支援する。
論文 参考訳（メタデータ） (2020-12-24T18:27:50Z) - Exploring Explainable Selection to Control Abstractive Summarization [51.74889133688111]
説明可能性を重視した新しいフレームワークを開発する。
新しいペアワイズ行列は、文の相互作用、中心性、属性スコアをキャプチャする。
コンストラクタ内の文分割アテンション機構は、最終要約が所望のコンテンツを強調することを保証する。
論文 参考訳（メタデータ） (2020-04-24T14:39:34Z)
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。