論文の概要: PODTILE: Facilitating Podcast Episode Browsing with Auto-generated Chapters

• arxiv url: http://arxiv.org/abs/2410.16148v1
• Date: Mon, 21 Oct 2024 16:17:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:17:07.887550
• Title: PODTILE: Facilitating Podcast Episode Browsing with Auto-generated Chapters
• Title（参考訳）: PODTILE: 自動生成章によるポッドキャストエピソードブラウジングの促進
• Authors: Azin Ghazimatin, Ekaterina Garmash, Gustavo Penha, Kristen Sheets, Martin Achenbach, Oguz Semerci, Remi Galvez, Marcus Tannenberg, Sahitya Mantravadi, Divya Narayanan, Ofeliya Kalaydzhyan, Douglas Cole, Ben Carterette, Ann Clifton, Paul N. Bennett, Claudia Hauff, Mounia Lalmas,
• Abstract要約: 会話データをセグメント化するための細調整エンコーダデコーダトランスであるPODTILEを導入する。 PODTILEは入力書き起こしのための章の遷移とタイトルを同時に生成する。 以上の結果から, 自動生成チャプタは, あまり人気のないポッドキャストのエンゲージメントに有用なツールであることが示唆された。
• 参考スコア（独自算出の注目度）: 15.856812659691238
• License:
• Abstract: Listeners of long-form talk-audio content, such as podcast episodes, often find it challenging to understand the overall structure and locate relevant sections. A practical solution is to divide episodes into chapters--semantically coherent segments labeled with titles and timestamps. Since most episodes on our platform at Spotify currently lack creator-provided chapters, automating the creation of chapters is essential. Scaling the chapterization of podcast episodes presents unique challenges. First, episodes tend to be less structured than written texts, featuring spontaneous discussions with nuanced transitions. Second, the transcripts are usually lengthy, averaging about 16,000 tokens, which necessitates efficient processing that can preserve context. To address these challenges, we introduce PODTILE, a fine-tuned encoder-decoder transformer to segment conversational data. The model simultaneously generates chapter transitions and titles for the input transcript. To preserve context, each input text is augmented with global context, including the episode's title, description, and previous chapter titles. In our intrinsic evaluation, PODTILE achieved an 11% improvement in ROUGE score over the strongest baseline. Additionally, we provide insights into the practical benefits of auto-generated chapters for listeners navigating episode content. Our findings indicate that auto-generated chapters serve as a useful tool for engaging with less popular podcasts. Finally, we present empirical evidence that using chapter titles can enhance effectiveness of sparse retrieval in search tasks.
• Abstract（参考訳）: ポッドキャストのエピソードのような長い形式のトークオーディオコンテンツのリスナーは、全体的な構造を理解し、関連するセクションを見つけることが困難であることが多い。 現実的な解決策はエピソードを章に分割することであり、タイトルやタイムスタンプでラベル付けされた一貫性のあるセグメントである。 Spotifyのプラットフォーム上のほとんどのエピソードは、現在クリエーターが提供する章を欠いているため、章の作成を自動化することが不可欠です。 ポッドキャストエピソードの章化をスケールすることは、ユニークな課題を提示します。 第一に、エピソードは文章よりも構造が低い傾向にあり、不規則な遷移に関する自発的な議論が特徴である。 第二に、書き起こしは通常長文で、16,000のトークンを平均化しており、コンテキストを保存できる効率的な処理を必要としている。 これらの課題に対処するために,細調整されたエンコーダ・デコーダ変換器であるPODTILEを導入し,会話データをセグメント化する。 モデルは同時に、入力書き起こしのための章の遷移とタイトルを生成する。 文脈を保存するために、各入力テキストは、エピソードのタイトル、記述、以前の章のタイトルを含むグローバルなコンテキストで拡張される。 内科的評価では,PODTILEは最強ベースラインに対してROUGEスコアが11%向上した。 さらに、エピソードコンテンツをナビゲートするリスナーに対して、自動生成章の実践的メリットに関する洞察を提供する。 以上の結果から, 自動生成チャプタは, あまり人気のないポッドキャストのエンゲージメントに有用なツールであることが示唆された。 最後に,章名を用いた検索作業におけるスパース検索の有効性を実証的証拠として提示する。

関連論文リスト

• VidChapters-7M: Video Chapters at Scale [110.19323390486775]
  VidChapters-7Mは、合計で7M章を含む817万のユーザチャプター付きビデオのデータセットである。 VidChapters-7Mは、ユーザーが注釈を付けた章をスクラップすることで、オンラインビデオから自動的にスケーラブルな方法で作成される。 VidChapters-7Mの事前トレーニングは、ゼロショットと微調整の両方で、高密度な映像キャプションタスクに適していることを示す。
  論文  参考訳（メタデータ） (2023-09-25T08:38:11Z)
• Uncovering the Potential of ChatGPT for Discourse Analysis in Dialogue: An Empirical Study [51.079100495163736]
  本稿では、トピックセグメンテーションと談話解析という2つの談話分析タスクにおけるChatGPTの性能を体系的に検証する。 ChatGPTは、一般的なドメイン間会話においてトピック構造を特定する能力を示すが、特定のドメイン間会話ではかなり困難である。 我々のより深い調査は、ChatGPTは人間のアノテーションよりも合理的なトピック構造を提供するが、階層的なレトリック構造を線形に解析することしかできないことを示唆している。
  論文  参考訳（メタデータ） (2023-05-15T07:14:41Z)
• AudioGen: Textually Guided Audio Generation [116.57006301417306]
  記述文キャプションに条件付き音声サンプルを生成する問題に対処する。 本研究では,テキスト入力に条件付き音声サンプルを生成する自動回帰モデルであるAaudioGenを提案する。
  論文  参考訳（メタデータ） (2022-09-30T10:17:05Z)
• Visual Subtitle Feature Enhanced Video Outline Generation [23.831220964676973]
  ビデオ理解タスク,すなわちビデオアウトライン生成(VOG)を導入する。 VOGを学習し、評価するために、DuVOGと呼ばれる10k以上のデータセットを注釈付けします。 ビデオアウトライン生成モデル(VSENet)を提案する。
  論文  参考訳（メタデータ） (2022-08-24T05:26:26Z)
• Topic Modeling on Podcast Short-Text Metadata [0.9539495585692009]
  短いテキストのモデリング技術を用いて,ポッドキャストのメタデータやタイトル,記述から関連トピックを発見できる可能性を評価する。 非負行列因子化モデリングフレームワークにおいて、しばしばポッドキャストメタデータに現れる名前付きエンティティ(NE)に対する新しい戦略を提案する。 SpotifyとiTunesとDeezerの既存の2つのデータセットに対する実験により、提案したドキュメント表現であるNEiCEがベースラインの一貫性を改善していることが示された。
  論文  参考訳（メタデータ） (2022-01-12T11:07:05Z)
• Identifying Introductions in Podcast Episodes from Automatically Generated Transcripts [0.0]
  400以上のポッドキャストエピソードの完全な書き起こしのデータセットを新たに構築する。 これらの紹介には、エピソードのトピック、ホスト、ゲストに関する情報が含まれている。 我々は、事前訓練されたBERTと異なる拡張戦略に基づいて、3つのTransformerモデルを訓練する。
  論文  参考訳（メタデータ） (2021-10-14T00:34:51Z)
• Multi-View Sequence-to-Sequence Models with Conversational Structure for Abstractive Dialogue Summarization [72.54873655114844]
  テキスト要約は、NLPにおいて最も困難で興味深い問題の1つである。 本研究では、まず、異なる視点から構造化されていない日々のチャットの会話構造を抽出し、会話を表現するマルチビューシーケンス・ツー・シーケンスモデルを提案する。 大規模対話要約コーパスの実験により,本手法は,自動評価と人的判断の両面から,従来の最先端モデルよりも有意に優れた性能を示した。
  論文  参考訳（メタデータ） (2020-10-04T20:12:44Z)
• PodSumm -- Podcast Audio Summarization [0.0]
  テキストドメインからのガイダンスを用いて,ポッドキャストの要約を自動的に作成する手法を提案する。 このタスクにはデータセットが不足しているため、内部データセットをキュレートし、データ拡張の効果的なスキームを見つけ、アノテータから要約を集めるためのプロトコルを設計する。 本手法は, ROUGE-F(1/2/L) スコア0.63/0.53/0.63をデータセット上で達成する。
  論文  参考訳（メタデータ） (2020-09-22T04:49:33Z)
• 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)
• The Shmoop Corpus: A Dataset of Stories with Loosely Aligned Summaries [72.48439126769627]
  個々の章ごとに詳細なマルチパラグラフの要約と組み合わせた231ストーリーのデータセットであるShmoop Corpusを紹介します。 コーパスから、クローズ形式の質問応答や抽象的要約の簡易な形式を含む共通のNLPタスクのセットを構築する。 このコーパスのユニークな構造は、マシンストーリーの理解をより親しみやすいものにするための重要な基盤となると信じている。
  論文  参考訳（メタデータ） (2019-12-30T21:03:59Z)

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。