論文の概要: Tell me what I need to know: Exploring LLM-based (Personalized) Abstractive Multi-Source Meeting Summarization
- arxiv url: http://arxiv.org/abs/2410.14545v1
- Date: Fri, 18 Oct 2024 15:40:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-21 14:27:00.914557
- Title: Tell me what I need to know: Exploring LLM-based (Personalized) Abstractive Multi-Source Meeting Summarization
- Title（参考訳）: 知っておくべきこと: LLMベースの(個人化)抽象的多ソースミーティングの要約を探る
- Authors: Frederic Kirstein, Terry Ruas, Robert Kratel, Bela Gipp,
- Abstract要約: ミーティングの要約はデジタルコミュニケーションにおいて重要であるが、既存のソリューションはサリエンス識別に苦慮している。
これらの問題に対処する以前の試みは、関連する補足的リソース(例えばプレゼンテーションスライド)と書き起こしを併用することで、モデルの限られたコンテキストサイズによって妨げられている。
本研究では,3段階の大規模言語モデルによる補足材料を考慮したマルチソース会議要約について検討する。
- 参考スコア（独自算出の注目度）: 5.979778557940213
- License:
- Abstract: Meeting summarization is crucial in digital communication, but existing solutions struggle with salience identification to generate personalized, workable summaries, and context understanding to fully comprehend the meetings' content. Previous attempts to address these issues by considering related supplementary resources (e.g., presentation slides) alongside transcripts are hindered by models' limited context sizes and handling the additional complexities of the multi-source tasks, such as identifying relevant information in additional files and seamlessly aligning it with the meeting content. This work explores multi-source meeting summarization considering supplementary materials through a three-stage large language model approach: identifying transcript passages needing additional context, inferring relevant details from supplementary materials and inserting them into the transcript, and generating a summary from this enriched transcript. Our multi-source approach enhances model understanding, increasing summary relevance by ~9% and producing more content-rich outputs. We introduce a personalization protocol that extracts participant characteristics and tailors summaries accordingly, improving informativeness by ~10%. This work further provides insights on performance-cost trade-offs across four leading model families, including edge-device capable options. Our approach can be extended to similar complex generative tasks benefitting from additional resources and personalization, such as dialogue systems and action planning.
- Abstract（参考訳）: ミーティング要約はデジタルコミュニケーションにおいて重要であるが、既存のソリューションは、パーソナライズされた作業可能な要約と、ミーティングの内容を完全に理解するためのコンテキスト理解を生成するために、サリエンス識別に苦慮している。
トランスクリプトと関連する補足的リソース(例:プレゼンテーションスライド)を考慮してこれらの問題に対処しようとする以前の試みは、モデルの限られたコンテキストサイズによって妨げられ、関連する情報を追加ファイルで特定したり、会議内容とシームレスに整合させるといったマルチソースタスクの複雑さに対処する。
本研究は,3段階の大規模言語モデルアプローチによる補足資料を考慮した複数ソース会議要約について検討し,追加の文脈を必要とする転写文を識別し,補足資料から関連する詳細を推測し,それを補足資料に挿入し,この強化された転写文から要約を生成する。
我々のマルチソースアプローチは、モデル理解を強化し、要約関係を約9%増加させ、よりコンテントリッチなアウトプットを生成します。
参加者の特徴を抽出するパーソナライズプロトコルを導入し、サマリーを調整し、情報の質を約10%向上させる。
この作業はさらに、エッジデバイス対応オプションを含む、4つの主要なモデルファミリ間のパフォーマンスコストトレードオフに関する洞察を提供する。
我々のアプローチは、対話システムやアクションプランニングなど、追加のリソースやパーソナライゼーションの恩恵を受けながら、同様の複雑な生成タスクに拡張することができる。
関連論文リスト
- Personalized Video Summarization using Text-Based Queries and Conditional Modeling [3.4447129363520337]
この論文は、テキストベースのクエリと条件付きモデリングを統合することで、ビデオ要約の強化を探求する。
精度やF1スコアなどの評価指標は、生成された要約の品質を評価する。
論文 参考訳（メタデータ） (2024-08-27T02:43:40Z) - Towards Enhancing Coherence in Extractive Summarization: Dataset and Experiments with LLMs [70.15262704746378]
我々は,5つの公開データセットと自然言語ユーザフィードバックのためのコヒーレントな要約からなる,体系的に作成された人間アノテーションデータセットを提案する。
Falcon-40BとLlama-2-13Bによる予備的な実験では、コヒーレントなサマリーを生成するという点で大幅な性能向上(10%ルージュ-L)が見られた。
論文 参考訳（メタデータ） (2024-07-05T20:25:04Z) - An End-to-End Speech Summarization Using Large Language Model [7.562198375754054]
音声要約(SSum)は、音声コンテンツから人間に似たテキスト要約を生成することを目的としている。
大規模言語モデル(LLM)とマルチモーダル情報融合の研究は、新たな洞察をもたらした。
本稿では、Q-Formerを音声テキストモダリティのコネクタとして利用するエンドツーエンドのSSumモデルを提案する。
論文 参考訳（メタデータ） (2024-07-02T07:22:57Z) - Converging Dimensions: Information Extraction and Summarization through Multisource, Multimodal, and Multilingual Fusion [0.0]
本稿では,複数の情報源の強みを生かして,このような課題に対処する新たな要約手法を提案する。
この研究は、テキストドキュメントのような従来型にない情報源を超えて進展し、YouTubeのプレイリスト、プレプリント、ウィキペディアページなど、より多様なデータを統合している。
論文 参考訳（メタデータ） (2024-06-19T17:15:47Z) - QFMTS: Generating Query-Focused Summaries over Multi-Table Inputs [63.98556480088152]
表要約は、情報を簡潔で分かりやすいテキスト要約に凝縮するための重要な課題である。
本稿では,クエリ中心のマルチテーブル要約を導入することで,これらの制約に対処する新しい手法を提案する。
提案手法は,テーブルシリアライズモジュール,要約コントローラ,および大規模言語モデルからなり,ユーザの情報要求に合わせたクエリ依存のテーブル要約を生成する。
論文 参考訳（メタデータ） (2024-05-08T15:05:55Z) - Aspect-based Meeting Transcript Summarization: A Two-Stage Approach with
Weak Supervision on Sentence Classification [91.13086984529706]
Aspect-based meeting transcript summarization は複数の要約を生成することを目的としている。
従来の要約手法は、全ての側面の情報を1つの要約で混合する。
アスペクトベースの会議書き起こし要約のための2段階の手法を提案する。
論文 参考訳（メタデータ） (2023-11-07T19:06:31Z) - Learning Summary-Worthy Visual Representation for Abstractive
Summarization in Video [34.202514532882]
本稿では,抽象的な要約を容易にする要約価値のある視覚表現を学習するための新しいアプローチを提案する。
本手法は, クロスモーダル転写データと擬似要約から抽出した知識の両方から, 要約に値する情報を利用する。
論文 参考訳（メタデータ） (2023-05-08T16:24:46Z) - Summary-Oriented Vision Modeling for Multimodal Abstractive
Summarization [63.320005222549646]
マルチモーダル抽象要約(MAS)は、マルチモーダルデータ(テキストとビジョン)から簡潔な要約を作成することを目的としている。
本稿では,要約指向の視覚的特徴によって要約品質を改善することを提案する。
中高、低低、ゼロリソースのシナリオをカバーする44言語の実験は、提案手法の有効性と優位性を検証する。
論文 参考訳（メタデータ） (2022-12-15T09:05:26Z) - Heuristic-based Inter-training to Improve Few-shot Multi-perspective
Dialog Summarization [13.117715760754077]
サポートエージェントと顧客間のカスタマーケア会話の多面的要約について検討する。
提案手法は,アノテートデータの少ない多視点要約を生成するモデルをサポートすることを示す。
論文 参考訳（メタデータ） (2022-03-29T14:02:40Z) - Unsupervised Summarization with Customized Granularities [76.26899748972423]
本稿では,最初の教師なし多粒度要約フレームワークであるGranuSumを提案する。
異なる数のイベントを入力することで、GranuSumは教師なしの方法で複数の粒度のサマリーを生成することができる。
論文 参考訳（メタデータ） (2022-01-29T05:56:35Z) - Dense Relational Image Captioning via Multi-task Triple-Stream Networks [95.0476489266988]
視覚的な場面におけるオブジェクト間の情報に関して,キャプションを生成することを目的とした新しいタスクである。
このフレームワークは、多様性と情報の量の両方において有利であり、包括的なイメージ理解につながる。
論文 参考訳（メタデータ） (2020-10-08T09:17:55Z)
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。