論文の概要: Exploring Key Point Analysis with Pairwise Generation and Graph Partitioning

• arxiv url: http://arxiv.org/abs/2404.11384v1
• Date: Wed, 17 Apr 2024 13:44:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-18 13:45:12.022649
• Title: Exploring Key Point Analysis with Pairwise Generation and Graph Partitioning
• Title（参考訳）: ペアワイズ生成とグラフ分割によるキーポイント解析の探索
• Authors: Xiao Li, Yong Jiang, Shen Huang, Pengjun Xie, Gong Cheng, Fei Huang,
• Abstract要約: キーポイント分析(KPA)は、議論採掘の分野において重要な未解決問題であり続けている。 ペア生成とグラフ分割を併用したKPAの新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 61.73411954056032
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Key Point Analysis (KPA), the summarization of multiple arguments into a concise collection of key points, continues to be a significant and unresolved issue within the field of argument mining. Existing models adapt a two-stage pipeline of clustering arguments or generating key points for argument clusters. This approach rely on semantic similarity instead of measuring the existence of shared key points among arguments. Additionally, it only models the intra-cluster relationship among arguments, disregarding the inter-cluster relationship between arguments that do not share key points. To address these limitations, we propose a novel approach for KPA with pairwise generation and graph partitioning. Our objective is to train a generative model that can simultaneously provide a score indicating the presence of shared key point between a pair of arguments and generate the shared key point. Subsequently, to map generated redundant key points to a concise set of key points, we proceed to construct an arguments graph by considering the arguments as vertices, the generated key points as edges, and the scores as edge weights. We then propose a graph partitioning algorithm to partition all arguments sharing the same key points to the same subgraph. Notably, our experimental findings demonstrate that our proposed model surpasses previous models when evaluated on both the ArgKP and QAM datasets.
• Abstract（参考訳）: キーポイント分析(キーポイント分析、英: Key Point Analysis、KPA)は、複数の引数を簡潔なキーポイントの集合にまとめることであり、議論マイニングの分野において重要な問題であり続けている。 既存のモデルは、クラスタリング引数の2段階のパイプラインを適用したり、引数クラスタのキーポイントを生成する。 このアプローチは、引数間の共有キーポイントの存在を測定するのではなく、意味的類似性に依存する。 さらに、鍵ポイントを共有しない引数間のクラスタ間関係を無視して、引数間のクラスタ間関係のみをモデル化する。 これらの制約に対処するために、ペア生成とグラフ分割によるKPAの新しいアプローチを提案する。 我々の目標は、一対の引数の間に共有キーポイントが存在することを示すスコアを同時に提供し、共有キーポイントを生成するための生成モデルを訓練することである。 その後、生成された冗長なキーポイントをキーポイントの簡潔な集合にマッピングするために、引数を頂点として、生成されたキーポイントをエッジとして、スコアをエッジウェイトとして、引数グラフを構築する。 次に、同じキーポイントを共有する全ての引数を同じサブグラフに分割するグラフ分割アルゴリズムを提案する。 特に,提案モデルがArgKPとQAMの両方のデータセットで評価した場合,従来のモデルよりも優れていることを示す。

関連論文リスト

• Enhancing Argument Summarization: Prioritizing Exhaustiveness in Key Point Generation and Introducing an Automatic Coverage Evaluation Metric [3.0754290232284562]
  キーポイント分析(KPA)タスクは、引数の集合のまとめを表すものとして引数の要約を定式化する。 キーポイント生成(KPG)と呼ばれるKPAのサブタスクは、引数からこれらのキーポイントを生成することに焦点を当てている。 本稿では,キーポイント生成のための新しい抽出手法を提案する。
  論文  参考訳（メタデータ） (2024-04-17T23:00:29Z)
• Learning Feature Matching via Matchable Keypoint-Assisted Graph Neural Network [52.29330138835208]
  画像のペア間の局所的な特徴の正確なマッチングは、コンピュータビジョンの課題である。 従来の研究では、注意に基づくグラフニューラルネットワーク(GNN)と、画像内のキーポイントに完全に接続されたグラフを使用するのが一般的だった。 本稿では,非繰り返しキーポイントをバイパスし,マッチング可能なキーポイントを利用してメッセージパッシングを誘導する,疎注意に基づくGNNアーキテクチャであるMaKeGNNを提案する。
  論文  参考訳（メタデータ） (2023-07-04T02:50:44Z)
• From Key Points to Key Point Hierarchy: Structured and Expressive Opinion Summarization [9.567280503274226]
  キーポイント分析(KPA)は、最近テキストコメントの集合からきめ細かい洞察を得るために提案されている。 与えられたキーポイントの集合を階層に整理するタスクを,その特異性に応じて導入する。 我々は、ビジネスおよび製品レビューのキーポイント階層の高品質なベンチマークデータセットであるThinkPを開発した。
  論文  参考訳（メタデータ） (2023-06-06T16:45:44Z)
• Key Point Analysis via Contrastive Learning and Extractive Argument Summarization [26.104816072770305]
  本稿では,第8回Argument Miningワークショップと連携して,キーポイント分析共有タスクに対する提案手法を提案する。 1つのコンポーネントは、キーポイントに引数をマッチングするために、シアムニューラルネットワークを介して対照的な学習を採用する。 自動評価と手動評価の両方において,提案手法は共有タスクに対する全ての提案の中で最良であった。
  論文  参考訳（メタデータ） (2021-09-30T12:54:26Z)
• Determinantal consensus clustering [77.34726150561087]
  本稿では,クラスタリングアルゴリズムのランダム再起動における決定点プロセス (DPP) の利用を提案する。 DPPは部分集合内の中心点の多様性を好んでいる。 DPPとは対照的に、この手法は多様性の確保と、すべてのデータフェースについて良好なカバレッジを得るために失敗することを示す。
  論文  参考訳（メタデータ） (2021-02-07T23:48:24Z)
• Quantitative Argument Summarization and Beyond: Cross-Domain Key Point Analysis [17.875273745811775]
  完全自動解析が可能なキーポイントの自動抽出法を開発した。 キーポイント解析の適用性は議論データを超えていることを実証する。 さらなる貢献は、引数対キーポイントマッチングモデルの詳細な評価である。
  論文  参考訳（メタデータ） (2020-10-11T23:01:51Z)
• Differentiable Hierarchical Graph Grouping for Multi-Person Pose Estimation [95.72606536493548]
  複数の人の身体のキーポイントを同時にローカライズするため、複数の人物のポーズ推定は困難である。 ボトムアップ型多人数ポーズ推定タスクにおけるグラフグループ化を学習するための,新しい微分可能な階層グラフグループ化(HGG)手法を提案する。
  論文  参考訳（メタデータ） (2020-07-23T08:46:22Z)
• Point-Set Anchors for Object Detection, Instance Segmentation and Pose Estimation [85.96410825961966]
  中心点から抽出された画像の特徴は、離れたキーポイントや境界ボックスの境界を予測するための限られた情報を含んでいると論じる。 推論を容易にするために,より有利な位置に配置された点集合からの回帰を行うことを提案する。 我々は、オブジェクト検出、インスタンス分割、人間のポーズ推定にPoint-Set Anchorsと呼ばれるこのフレームワークを適用した。
  論文  参考訳（メタデータ） (2020-07-06T15:59:56Z)
• From Arguments to Key Points: Towards Automatic Argument Summarization [17.875273745811775]
  1トピックあたりのキーポイントの数は、たいていの場合、議論の大部分をカバーするのに十分であることを示す。 さらに、ドメインの専門家が事前にこれらのキーポイントを予測できることがわかりました。
  論文  参考訳（メタデータ） (2020-05-04T16:24:21Z)
• Deep Affinity Net: Instance Segmentation via Affinity [48.498706304017674]
  Deep Affinity Netは、グラフ分割アルゴリズムCascade-GAECを伴って、効果的なアフィニティベースのアプローチである。 すべてのアフィニティベースのモデルの中で、最高のシングルショット結果と最速のランニングタイムを達成する。 また、リージョンベースのMask R-CNNよりも優れています。
  論文  参考訳（メタデータ） (2020-03-15T15:22:56Z)

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。