Fugu-MT 論文翻訳(概要): Shaping Political Discourse using multi-source News Summarization

論文の概要: Shaping Political Discourse using multi-source News Summarization

arxiv url: http://arxiv.org/abs/2312.11703v1
Date: Mon, 18 Dec 2023 21:03:46 GMT
ステータス: 処理完了
システム内更新日: 2023-12-20 17:44:31.504037
Title: Shaping Political Discourse using multi-source News Summarization
Title（参考訳）: マルチソースニュース要約を用いた政治談話の形成
Authors: Charles Rajan, Nishit Asnani, Shreya Singh
Abstract要約: 複数のニュース文書からトピックの簡潔な要約を生成する機械学習モデルを開発した。モデルは、トピックのすべての異なる側面からインプットを等しくサンプリングすることで、偏りのないように設計されている。
参考スコア（独自算出の注目度）: 0.46040036610482665
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Multi-document summarization is the process of automatically generating a concise summary of multiple documents related to the same topic. This summary can help users quickly understand the key information from a large collection of documents. Multi-document summarization systems are more complex than single-document summarization systems due to the need to identify and combine information from multiple sources. In this paper, we have developed a machine learning model that generates a concise summary of a topic from multiple news documents. The model is designed to be unbiased by sampling its input equally from all the different aspects of the topic, even if the majority of the news sources lean one way.
Abstract（参考訳）: マルチドキュメント要約は、同じトピックに関連する複数のドキュメントの簡潔な要約を自動的に生成するプロセスである。この要約は、ユーザーが大量のドキュメントから重要な情報を素早く理解するのに役立ちます。複数文書要約システムは、複数のソースからの情報を識別し結合する必要があるため、単一文書要約システムよりも複雑である。本稿では,複数のニュース文書からトピックの簡潔な要約を生成する機械学習モデルを開発した。このモデルは、たとえ多くのニュースソースが一方的に傾いたとしても、トピックのさまざまな側面から入力を均等にサンプリングすることで偏りなく設計されている。

関連論文リスト

Unified Multi-Modal Interleaved Document Representation for Information Retrieval [57.65409208879344]
我々は、異なるモダリティでインターリーブされた文書を均等に埋め込み、より包括的でニュアンスのある文書表現を生成する。具体的には、テキスト、画像、テーブルの処理と統合を統一されたフォーマットと表現に統合する、近年のビジョン言語モデルの能力を活用して、これを実現する。
論文参考訳（メタデータ） (2024-10-03T17:49:09Z)
Embrace Divergence for Richer Insights: A Multi-document Summarization Benchmark and a Case Study on Summarizing Diverse Information from News Articles [136.84278943588652]
同一イベントを含む複数のニュース記事において遭遇する多様な情報を要約する新しい課題を提案する。この作業を容易にするために、多様な情報を特定するためのデータ収集スキーマの概要と、DiverseSummというデータセットをキュレートした。データセットには245のニュース記事が含まれており、各ストーリーは10のニュース記事からなり、人間公認の参照と組み合わせられる。
論文参考訳（メタデータ） (2023-09-17T20:28:17Z)
Peek Across: Improving Multi-Document Modeling via Cross-Document Question-Answering [49.85790367128085]
我々は,事前学習対象に答える新しいクロスドキュメント質問から,汎用的なマルチドキュメントモデルを事前学習する。この新規なマルチドキュメントQA定式化は、クロステキスト情報関係をよりよく回復させるようモデルに指示する。分類タスクや要約タスクに焦点を当てた従来のマルチドキュメントモデルとは異なり、事前学習対象の定式化により、短いテキスト生成と長いテキスト生成の両方を含むタスクを実行できる。
論文参考訳（メタデータ） (2023-05-24T17:48:40Z)
PDSum: Prototype-driven Continuous Summarization of Evolving Multi-document Sets Stream [33.68263291948121]
我々は,新たな要約問題であるマルチドキュメントセットストリーム要約(EMDS)を提案する。本稿では,プロトタイプ駆動連続要約のアイデアを取り入れた新しい教師なしアルゴリズムPDSumを紹介する。 PDSumは、各マルチドキュメントセットの軽量プロトタイプを構築し、それを利用して、新しいドキュメントに適応する。
論文参考訳（メタデータ） (2023-02-10T23:43:46Z)
How "Multi" is Multi-Document Summarization? [15.574673241564932]
MDSデータセットの参照要約とシステム要約の両方が、実際に分散情報に基づいていることが期待されている。「要約が分散する度合いを評価するための自動測度を提案する。」以上の結果から,MSSデータセットは複数の文書からの情報の組み合わせをほとんど必要とせず,単一の文書が要約内容全体をカバーしていることが示唆された。
論文参考訳（メタデータ） (2022-10-23T10:20:09Z)
Read Top News First: A Document Reordering Approach for Multi-Document News Summarization [27.30854257540805]
本稿では,文書を連結・要約する前に,文書の相対的重要性に応じて並べ替える簡単な手法を提案する。並べ替えにより、要約モデルで学習しやすくなる。
論文参考訳（メタデータ） (2022-03-19T06:01:11Z)
Modeling Endorsement for Multi-Document Abstractive Summarization [10.166639983949887]
単一文書の要約と多文書の要約の重大な違いは、文書の中で健全なコンテンツがどのように現れるかである。本稿では,複数文書要約における文書間補完効果とその活用をモデル化する。提案手法は各文書から合成を生成し,他の文書から有意な内容を識別する支援者として機能する。
論文参考訳（メタデータ） (2021-10-15T03:55:42Z)
MiRANews: Dataset and Benchmarks for Multi-Resource-Assisted News Summarization [19.062996443574047]
我々は、新しいデータセットMiRANewsと既存の要約モデルをベンチマークする。データ分析を通じて、責任を負うのはモデルだけではないことを示します。 Assisted summarization is reduce 55% of Hallucination than single-document summarization model trained on the main article only。
論文参考訳（メタデータ） (2021-09-22T10:58:40Z)
Text Summarization with Latent Queries [60.468323530248945]
本稿では,LaQSumについて紹介する。LaQSumは,既存の問合せ形式と抽象的な要約のための文書から遅延クエリを学習する,最初の統一テキスト要約システムである。本システムでは, 潜伏クエリモデルと条件付き言語モデルとを協調的に最適化し, ユーザがテスト時に任意のタイプのクエリをプラグイン・アンド・プレイできるようにする。本システムでは,クエリタイプ,文書設定,ターゲットドメインの異なる要約ベンチマークにおいて,強力な比較システムの性能を強く向上させる。
論文参考訳（メタデータ） (2021-05-31T21:14:58Z)
Leveraging Graph to Improve Abstractive Multi-Document Summarization [50.62418656177642]
我々は、文書のよく知られたグラフ表現を活用することができる、抽象的多文書要約(MDS)モデルを開発する。本モデルでは,長い文書の要約に欠かせない文書間関係を捉えるために,文書の符号化にグラフを利用する。また,このモデルでは,要約生成プロセスの導出にグラフを利用することが可能であり,一貫性と簡潔な要約を生成するのに有用である。
論文参考訳（メタデータ） (2020-05-20T13:39:47Z)
From Standard Summarization to New Tasks and Beyond: Summarization with Manifold Information [77.89755281215079]
テキスト要約は、原文書の短く凝縮した版を作成することを目的とした研究分野である。現実世界のアプリケーションでは、ほとんどのデータは平易なテキスト形式ではない。本稿では,現実のアプリケーションにおけるこれらの新しい要約タスクとアプローチについて調査する。
論文参考訳（メタデータ） (2020-05-10T14:59:36Z)

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。