論文の概要: Effective Slogan Generation with Noise Perturbation

• arxiv url: http://arxiv.org/abs/2310.04472v2
• Date: Thu, 12 Oct 2023 15:57:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-14 14:44:51.949640
• Title: Effective Slogan Generation with Noise Perturbation
• Title（参考訳）: 雑音の摂動を伴う効果的なスローガン生成
• Authors: Jongeun Kim, MinChung Kim, Taehwan Kim
• Abstract要約: 本稿では,新たに提案した1:Nマッチングペアデータセット上で,ノイズメトリクスを持つ事前学習型トランスフォーマーT5モデルを活用する新しいアポラチを提案する。 ROUGE1, ROUGELおよびCosine similarityに基づいて生成したスローガンを評価し, スローガンの特異性, コヒーレンス, 流布度の観点からヒトと評価した。
• 参考スコア（独自算出の注目度）: 2.80888070977859
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Slogans play a crucial role in building the brand's identity of the firm. A slogan is expected to reflect firm's vision and brand's value propositions in memorable and likeable ways. Automating the generation of slogans with such characteristics is challenging. Previous studies developted and tested slogan generation with syntactic control and summarization models which are not capable of generating distinctive slogans. We introduce a a novel apporach that leverages pre-trained transformer T5 model with noise perturbation on newly proposed 1:N matching pair dataset. This approach serves as a contributing fator in generting distinctive and coherent slogans. Turthermore, the proposed approach incorporates descriptions about the firm and brand into the generation of slogans. We evaluate generated slogans based on ROUGE1, ROUGEL and Cosine Similarity metrics and also assess them with human subjects in terms of slogan's distinctiveness, coherence, and fluency. The results demonstrate that our approach yields better performance than baseline models and other transformer-based models.
• Abstract（参考訳）: スローガンはブランドの会社のアイデンティティを構築する上で重要な役割を果たす。 スローガンは、企業のビジョンとブランドの価値提案を記憶可能で類似した形で反映することが期待される。 このような特徴を持つスローガン生成の自動化は困難である。 従来の研究では, 特異なスローガンを生成できない構文制御モデルと要約モデルを用いて, スローガン生成の開発と試験を行った。 新たに提案した1:Nマッチングペアデータセットに対して,雑音摂動を伴う事前学習型トランスフォーマーT5モデルを活用する。 このアプローチは、特異でコヒーレントなスローガンの生成に寄与する要因となる。 さらに、提案手法は、企業とブランドに関する記述をスローガンの世代に組み込む。 ROUGE1, ROUGEL, Cosine similarity測定値に基づいて生成したスローガンを評価し, スローガンの特異性, コヒーレンス, 流布度の観点から人体で評価した。 その結果,本手法はベースラインモデルやトランスフォーマーモデルよりも優れた性能が得られることがわかった。

関連論文リスト

• MS2SL: Multimodal Spoken Data-Driven Continuous Sign Language Production [93.32354378820648]
  我々は,手話と非手話のユーザ間のコミュニケーションを緩和する,連続手話生成のための統一フレームワークを提案する。 テキストや音声から抽出した埋め込みを利用したシーケンス拡散モデルを作成し、段階的にサイン予測を生成する。 How2SignとPHOENIX14Tデータセットの実験により、手話生成において、我々のモデルが競合性能を達成することを示す。
  論文  参考訳（メタデータ） (2024-07-04T13:53:50Z)
• COT: A Generative Approach for Hate Speech Counter-Narratives via Contrastive Optimal Transport [25.73474734479759]
  本研究では, コントラッシブ・最適輸送に基づく新しい枠組みを提案する。 ターゲットインタラクションの維持と、反ナラティブの生成における多様化の促進という課題を効果的に解決する。 提案手法は,複数の側面から評価された現在の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2024-06-18T06:24:26Z)
• Multimodal Large Language Model is a Human-Aligned Annotator for Text-to-Image Generation [87.50120181861362]
  VisionPreferは高品質できめ細かい選好データセットで、複数の選好面をキャプチャする。 我々は、VisionPrefer上で報酬モデルVP-Scoreをトレーニングし、テキストから画像への生成モデルのトレーニングを指導し、VP-Scoreの嗜好予測精度は人間のアノテーションに匹敵する。
  論文  参考訳（メタデータ） (2024-04-23T14:53:15Z)
• Diversified in-domain synthesis with efficient fine-tuning for few-shot classification [64.86872227580866]
  画像分類は,クラスごとのラベル付き例の小さなセットのみを用いて,画像分類器の学習を目的としている。 合成データを用いた数ショット学習における一般化問題に対処する新しいアプローチである DisEF を提案する。 提案手法を10種類のベンチマークで検証し,ベースラインを一貫して上回り,数ショット分類のための新しい最先端の手法を確立した。
  論文  参考訳（メタデータ） (2023-12-05T17:18:09Z)
• JAB: Joint Adversarial Prompting and Belief Augmentation [81.39548637776365]
  我々は,ブラックボックスターゲットモデルの強靭性を,敵対的プロンプトと信念の増大を通じて探索し,改善する共同枠組みを導入する。 このフレームワークは、自動的なレッド・チームリング手法を用いてターゲットモデルを探索し、信念強化器を用いて目標モデルの命令を生成し、敵のプローブに対するロバスト性を向上させる。
  論文  参考訳（メタデータ） (2023-11-16T00:35:54Z)
• Empirical Study of Zero-Shot NER with ChatGPT [19.534329209433626]
  大規模言語モデル(LLM)は、様々な自然言語処理タスクにおいて強力な能力を示した。 本研究はゼロショット情報抽出におけるLLM性能の探索に焦点をあてる。 記号的推論と算術的推論におけるLLMの顕著な推論能力に着想を得て, 代表的な推論手法をNERに適用する。
  論文  参考訳（メタデータ） (2023-10-16T03:40:03Z)
• Unsupervised Syntactically Controlled Paraphrase Generation with Abstract Meaning Representations [59.10748929158525]
  抽象表現(AMR)は、教師なし構文制御されたパラフレーズ生成の性能を大幅に向上させることができる。 提案モデルであるAMRPGは,AMRグラフを符号化し,入力文を2つの非絡み合った意味的および構文的埋め込みに解析する。 実験により、AMRPGは既存の教師なしアプローチと比較して、定量的かつ質的に、より正確な構文制御されたパラフレーズを生成することが示された。
  論文  参考訳（メタデータ） (2022-11-02T04:58:38Z)
• RockNER: A Simple Method to Create Adversarial Examples for Evaluating the Robustness of Named Entity Recognition Models [32.806292167848156]
  名前付きエンティティ認識モデルのロバスト性を評価するためにRockNERを提案する。 ターゲットエンティティを、Wikidataの同じセマンティッククラスの他のエンティティに置き換える。 文脈レベルでは、事前訓練された言語モデルを用いて単語置換を生成する。
  論文  参考訳（メタデータ） (2021-09-12T21:30:21Z)
• Improving Generation and Evaluation of Visual Stories via Semantic Consistency [72.00815192668193]
  一連の自然言語キャプションが与えられた場合、エージェントはキャプションに対応する一連の画像を生成する必要がある。 それまでの作業では、このタスクで合成テキスト・画像モデルより優れた繰り返し生成モデルを導入してきた。 従来のモデリング手法には、デュアルラーニングフレームワークの追加など、いくつかの改善点を提示する。
  論文  参考訳（メタデータ） (2021-05-20T20:42:42Z)
• Towards Efficiently Diversifying Dialogue Generation via Embedding Augmentation [24.940159321142165]
  本稿では,ソフト埋め込みによるニューラル対話モデルの生成の多様性を促進することを提案する。 新しい埋め込みは、元の埋め込みを置き換えるモデルの入力として機能する。 2つのデータセットの実験結果から,提案手法が生モデルよりも多様な応答を生成できることが示された。
  論文  参考訳（メタデータ） (2021-03-02T07:28:56Z)
• Generating Coherent and Diverse Slogans with Sequence-to-Sequence Transformer [0.1835211348413763]
  簡単な企業記述からスローガンを生成するシーケンス・ツー・シーケンス・トランスフォーマモデルを提案する。 スローガン生成用に微調整されたナイーブシーケンス・ツー・シーケンスモデルでは、偽情報を導入する傾向にある。 我々は、この問題に対処するためにデレキシライズを使用し、生成したスローガンの品質を大きなマージンで改善する。
  論文  参考訳（メタデータ） (2021-02-11T10:25:08Z)

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。