論文の概要: TL;DR Progress: Multi-faceted Literature Exploration in Text Summarization

• arxiv url: http://arxiv.org/abs/2402.06913v1
• Date: Sat, 10 Feb 2024 09:16:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-13 18:44:08.868847
• Title: TL;DR Progress: Multi-faceted Literature Exploration in Text Summarization
• Title（参考訳）: TL;DRプログレス:テキスト要約における多面的文献探索
• Authors: Shahbaz Syed, Khalid Al-Khatib, Martin Potthast
• Abstract要約: 本稿では,ニューラルテキスト要約に関する文献を探索する新たなツールであるTL;DR Progressについて述べる。 テキスト要約アプローチのための包括的なアノテーションスキームに基づいて、514の論文を整理する。
• 参考スコア（独自算出の注目度）: 37.88261925867143
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents TL;DR Progress, a new tool for exploring the literature on neural text summarization. It organizes 514~papers based on a comprehensive annotation scheme for text summarization approaches and enables fine-grained, faceted search. Each paper was manually annotated to capture aspects such as evaluation metrics, quality dimensions, learning paradigms, challenges addressed, datasets, and document domains. In addition, a succinct indicative summary is provided for each paper, consisting of automatically extracted contextual factors, issues, and proposed solutions. The tool is available online at https://www.tldr-progress.de, a demo video at https://youtu.be/uCVRGFvXUj8
• Abstract（参考訳）: 本稿では,ニューラルテキスト要約に関する文献を探索する新しいツールであるtl;dr progressを提案する。 テキスト要約アプローチのための包括的なアノテーションスキームに基づいて514の論文を整理し、きめ細かな顔付き検索を可能にする。 各論文は手動でアノテートされ、評価指標、品質次元、学習パラダイム、対処すべき課題、データセット、ドキュメントドメインなどの側面をキャプチャした。 また,各論文に対して,自動抽出された文脈因子,問題,提案する解からなる簡潔な要約を提供する。 このツールはhttps://www.tldr-progress.deでオンラインで公開されている。

関連論文リスト

• Integrating Planning into Single-Turn Long-Form Text Generation [66.08871753377055]
  長文コンテンツを生成するための計画案を提案する。 私たちの主な新規性は、複数のプロンプトや計画のラウンドを必要としない単一の補助的なタスクにあります。 実験では,LLMを補助タスクで微調整し,高品質な文書を生成する,異なる領域からの2つのデータセットを実証した。
  論文  参考訳（メタデータ） (2024-10-08T17:02:40Z)
• Automatic summarisation of Instagram social network posts Combining semantic and statistical approaches [0.0]
  Instagramのソーシャルネットワークから人気のテキスト投稿を適切な前処理で抽出するクローラーが開発された。 Instagram上の820の人気のテキスト投稿の観察では、提案されたシステムの精度(80%)が示されている。
  論文  参考訳（メタデータ） (2023-03-14T14:59:20Z)
• TRIE++: Towards End-to-End Information Extraction from Visually Rich Documents [51.744527199305445]
  本稿では,視覚的にリッチな文書からエンド・ツー・エンドの情報抽出フレームワークを提案する。 テキスト読み出しと情報抽出は、よく設計されたマルチモーダルコンテキストブロックを介して互いに強化することができる。 フレームワークはエンドツーエンドのトレーニング可能な方法でトレーニングでき、グローバルな最適化が達成できる。
  論文  参考訳（メタデータ） (2022-07-14T08:52:07Z)
• NEWTS: A Corpus for News Topic-Focused Summarization [9.872518517174498]
  本稿では,CNN/Dailymailデータセットに基づく最初の話題要約コーパスを提案する。 提案手法の有効性を検証し,提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2022-05-31T10:01:38Z)
• 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)
• Topic Modeling Based Extractive Text Summarization [0.0]
  本稿では,潜在トピックに基づいて内容をクラスタリングすることで,テキストを要約する新しい手法を提案する。 我々は、テキスト要約へのアプローチにおいて、より使用量が少なく挑戦的なWikiHowデータセットを活用している。
  論文  参考訳（メタデータ） (2021-06-29T12:28:19Z)
• Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
  本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。 我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。 我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
  論文  参考訳（メタデータ） (2020-08-21T20:59:34Z)
• GLEAKE: Global and Local Embedding Automatic Keyphrase Extraction [1.0681288493631977]
  本稿では,自動キーフレーズ抽出作業のためのグローバルおよびローカル埋め込み自動キーフレーズエクストラクタ(GLEAKE)について紹介する。 GLEAKEは単一の単語と複数単語の埋め込み技術を用いて、候補句の構文的・意味的な側面を探索する。 キーフレーズの最終セットとして最も重要なフレーズを洗練させる。
  論文  参考訳（メタデータ） (2020-05-19T20:24:02Z)
• 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。

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。