論文の概要: Knowledge Graph Assisted Automatic Sports News Writing

• arxiv url: http://arxiv.org/abs/2402.11191v1
• Date: Sat, 17 Feb 2024 04:54:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-20 22:49:47.614393
• Title: Knowledge Graph Assisted Automatic Sports News Writing
• Title（参考訳）: スポーツニュースの自動執筆を支援する知識グラフ
• Authors: Yang Cao, Xinyi Chen, Xin Zhang, Siying Li
• Abstract要約: スポーツニュースを自動的に生成する新しい手法を提案する。 ライブのテキスト放送から重要な瞬間を抽出し、それを使ってニュースの最初の草案を作成する、ユニークなアルゴリズムを採用している。 特別に設計されたスポーツ知識グラフから重要な詳細と背景情報を組み込むことにより、さらに洗練される。
• 参考スコア（独自算出の注目度）: 10.86987438380234
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we present a novel method for automatically generating sports news, which employs a unique algorithm that extracts pivotal moments from live text broadcasts and uses them to create an initial draft of the news. This draft is further refined by incorporating key details and background information from a specially designed sports knowledge graph. This graph contains 5,893 entities, which are classified into three distinct conceptual categories, interconnected through four relationship types, and characterized by 27 unique attributes. In addition, we create a multi-stage learning model by combining convolutional neural networks and a transformer encoder. This model expresses entity-task interactions using convolutional neural networks and enriches entity representations in the query set with the transformer encoder. It also includes a processor to compute matching scores for incomplete triples, addressing few-shot knowledge graph completion problem. The efficiency of this approach has been confirmed through both subjective and objective evaluations of 50 selected test cases, demonstrating its capability in revolutionizing the creation of sports news.
• Abstract（参考訳）: 本稿では,スポーツニュースを自動生成する新しい手法を提案する。これは,ライブテキスト放送から重要な瞬間を抽出し,それを用いてニュースの最初の草案を作成する,ユニークなアルゴリズムを用いる。 このドラフトは、特別に設計されたスポーツ知識グラフから重要な詳細と背景情報を取り入れることでさらに洗練される。 このグラフには5,893個のエンティティが含まれており、これらは3つの異なる概念カテゴリに分類される。 さらに,畳み込みニューラルネットワークとトランスフォーマーエンコーダを組み合わせた多段階学習モデルを構築した。 このモデルは畳み込みニューラルネットワークを用いたエンティティとタスクの相互作用を表現し、クエリセット内のエンティティ表現をトランスフォーマーエンコーダで強化する。 また、不完全なトリプルのマッチングスコアを計算し、わずかなナレッジグラフ補完問題に対処するプロセッサも備えている。 本手法の有効性は,50件の試験事例の主観的および客観的評価を通じて確認され,スポーツニュースの創出に革命をもたらす能力を示した。

関連論文リスト

• RepVF: A Unified Vector Fields Representation for Multi-task 3D Perception [64.80760846124858]
  本稿では,様々な知覚タスクの表現を調和させる新しい統一表現RepVFを提案する。 RepVFは、ベクトル場を通じてシーン内の異なるターゲットの構造を特徴付け、シングルヘッドでマルチタスクの学習モデルを可能にする。 RepVF 上に構築された RFTR は,タスク間の固有性を利用したネットワークである。
  論文  参考訳（メタデータ） (2024-07-15T16:25:07Z)
• 4D ASR: Joint Beam Search Integrating CTC, Attention, Transducer, and Mask Predict Decoders [53.297697898510194]
  我々は、4つのデコーダが同一のエンコーダを共有する共同モデリング手法を提案し、これを4Dモデリングと呼ぶ。 4Dモデルを効率的に訓練するために,マルチタスク学習を安定化させる2段階のトレーニング戦略を導入する。 さらに,3つのデコーダを組み合わせることで,新しい1パスビーム探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-05T05:18:20Z)
• Data-Side Efficiencies for Lightweight Convolutional Neural Networks [4.5853328688992905]
  4つのデータ属性 – クラス数,オブジェクト色,画像解像度,オブジェクトスケール – が,ニューラルネットワークモデルのサイズと効率に与える影響を示す。 本稿では,ロボット経路計画アプリケーションのための軽量モデルを選択するために,メトリクスと手法を適用した例を示す。
  論文  参考訳（メタデータ） (2023-08-24T19:50:25Z)
• Revisiting Classifier: Transferring Vision-Language Models for Video Recognition [102.93524173258487]
  ダウンストリームタスクのためのタスク非依存の深層モデルから知識を伝達することは、コンピュータビジョン研究において重要なトピックである。 本研究では,映像分類作業における知識の伝達に着目した。 予測された言語モデルを用いて、効率的な翻訳学習のための適切なセマンティックターゲットを生成する。
  論文  参考訳（メタデータ） (2022-07-04T10:00:47Z)
• Distant finetuning with discourse relations for stance classification [55.131676584455306]
  そこで本研究では,定位分類のモデルとして,原文から銀ラベルでデータを抽出し,微調整する手法を提案する。 また,様々な段階において微調整に用いるデータのノイズレベルが減少する3段階のトレーニングフレームワークを提案する。 NLPCC 2021共有タスクArgumentative Text Understanding for AI Debaterでは,26の競合チームの中で1位にランクインした。
  論文  参考訳（メタデータ） (2022-04-27T04:24:35Z)
• Representing Videos as Discriminative Sub-graphs for Action Recognition [165.54738402505194]
  ビデオ中の各アクションの識別パターンを表現およびエンコードするためのサブグラフの新たな設計を提案する。 時空グラフとクラスタを各スケールでコンパクトなサブグラフに新たに構築するMUlti-scale Sub-Earn Ling (MUSLE) フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-01-11T16:15:25Z)
• A Variational Graph Autoencoder for Manipulation Action Recognition and Prediction [1.1816942730023883]
  シンボルシーングラフから操作タスクの認識と予測を共同で学習するディープグラフオートエンコーダを提案する。 我々のネットワークは2つの分岐を持つ変分オートエンコーダ構造を持ち、1つは入力グラフタイプを識別し、もう1つは将来のグラフを予測する。 提案手法は,MANIACとMSRC-9の2つの異なるデータセット上で異なる最先端手法に対してベンチマークを行い,提案手法がより優れた性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-10-25T21:40:42Z)
• Integration of Autoencoder and Functional Link Artificial Neural Network for Multi-label Classification [14.150518141172434]
  マルチラベル(ML)分類は、特定のデータインスタンスに対して複数のラベルがアクティブであるために生じる、複雑で重複した境界を扱う。 複雑な決定境界を扱うために,基礎となる特徴を抽出し,データに非線形性を導入することができる分類器を提案する。 入力特徴を多ラベル機能リンク人工ニューラルネットワークとオートエンコーダの2つの変換に適応させる新しいニューラルネットワークモデルが開発されている。 このネットワークは、2層変換によるマルチラベルデータの分離性を向上し、拡張された特徴空間をより管理可能な量に削減することができる。
  論文  参考訳（メタデータ） (2021-07-21T07:04:52Z)
• Graph-Based Neural Network Models with Multiple Self-Supervised Auxiliary Tasks [79.28094304325116]
  グラフ畳み込みネットワークは、構造化されたデータポイント間の関係をキャプチャするための最も有望なアプローチである。 マルチタスク方式でグラフベースニューラルネットワークモデルを学習するための3つの新しい自己教師付き補助タスクを提案する。
  論文  参考訳（メタデータ） (2020-11-14T11:09:51Z)
• Chart-to-Text: Generating Natural Language Descriptions for Charts by Adapting the Transformer Model [6.320141734801679]
  我々は,新しいデータセットを導入し,グラフの自然言語要約を自動的に生成するニューラルモデルを提案する。 生成された要約は、チャートの解釈を提供し、そのチャートで見られる重要な洞察を伝える。
  論文  参考訳（メタデータ） (2020-10-18T23:57:33Z)
• Bowtie Networks: Generative Modeling for Joint Few-Shot Recognition and Novel-View Synthesis [39.53519330457627]
  本稿では,複数ショット認識と新規ビュー合成という新たな課題を提案する。 我々は、オブジェクト分類器を同時に学習し、新しい視点からそのタイプのオブジェクトの画像を生成することを目的としている。 生成モデルと識別モデルとの相互作用と協調に焦点を当てる。
  論文  参考訳（メタデータ） (2020-08-16T19:40:56Z)

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。