Fugu-MT 論文翻訳(概要): Abstractive Text Summarization for Bangla Language Using NLP and Machine Learning Approaches

論文の概要: Abstractive Text Summarization for Bangla Language Using NLP and Machine Learning Approaches

arxiv url: http://arxiv.org/abs/2501.15051v1
Date: Sat, 25 Jan 2025 03:19:38 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-28 13:57:28.341737
Title: Abstractive Text Summarization for Bangla Language Using NLP and Machine Learning Approaches
Title（参考訳）: NLPと機械学習を用いたバングラ語の抽象テキスト要約
Authors: Asif Ahammad Miazee, Tonmoy Roy, Md Robiul Islam, Yeamin Safat,
Abstract要約: 本稿では,Banglaテキストを簡潔で簡単な段落に要約するニューラルネットワークモデルを提案する。目的は、原文の要点を効果的に伝達する要約を作成することである。
参考スコア（独自算出の注目度）: 1.2535250082638645
License:
Abstract: Text summarization involves reducing extensive documents to short sentences that encapsulate the essential ideas. The goal is to create a summary that effectively conveys the main points of the original text. We spend a significant amount of time each day reading the newspaper to stay informed about current events both domestically and internationally. While reading newspapers enriches our knowledge, we sometimes come across unnecessary content that isn't particularly relevant to our lives. In this paper, we introduce a neural network model designed to summarize Bangla text into concise and straightforward paragraphs, aiming for greater stability and efficiency.
Abstract（参考訳）: テキスト要約は、本質的なアイデアをカプセル化した短い文に拡張ドキュメントを還元することを含む。目的は、原文の要点を効果的に伝達する要約を作成することである。私たちは、国内と国際の両方で現在の出来事を知らせるために、新聞を読むのに毎日かなりの時間を費やしています。新聞を読むことは私たちの知識を豊かにするが、生活に特に関係のない不必要なコンテンツに遭遇することもある。本稿では,バングラ語のテキストを簡潔で簡潔な段落に要約するニューラルネットワークモデルを提案する。

関連論文リスト

Factually Consistent Summarization via Reinforcement Learning with Textual Entailment Feedback [57.816210168909286]
我々は,この問題を抽象的な要約システムで解くために,テキストエンテーメントモデルの最近の進歩を活用している。我々は、事実整合性を最適化するために、レファレンスフリーのテキストエンターメント報酬を用いた強化学習を用いる。自動測定と人的評価の両結果から,提案手法は生成した要約の忠実さ,サリエンス,簡潔さを著しく向上させることが示された。
論文参考訳（メタデータ） (2023-05-31T21:04:04Z)
Uzbek text summarization based on TF-IDF [0.0]
本稿では,ウズベク語における要約課題について実験する。この手法はTF-IDFアルゴリズムに基づくテキスト抽象化に基づいている。テキスト全体の重要な部分にn-gram法を適用することで、与えられたテキストを要約する。
論文参考訳（メタデータ） (2023-03-01T12:39:46Z)
An Inclusive Notion of Text [69.36678873492373]
テキストの概念の明確さは再現可能で一般化可能なNLPにとって不可欠である,と我々は主張する。言語的および非言語的要素の2層分類を導入し,NLPモデリングに使用することができる。
論文参考訳（メタデータ） (2022-11-10T14:26:43Z)
Neural Abstractive Text Summarizer for Telugu Language [0.0]
提案手法は注意機構を有するエンコーダ・デコーダシーケンシャルモデルに基づく。我々は、このモデルを手作業で作成したデータセットに適用し、ソーステキストの1文要約を生成する。
論文参考訳（メタデータ） (2021-01-18T15:22:50Z)
Better Highlighting: Creating Sub-Sentence Summary Highlights [40.46639471959677]
本稿では,混乱を避けるために,自己完結型ハイライトを生成する新しい手法を提案する。提案手法は, 決定点過程と文脈表現を組み合わせ, 部分文セグメントの最適集合を同定する。本手法の柔軟性とモデリング能力を示すため,要約データセットに関する広範な実験を行った。
論文参考訳（メタデータ） (2020-10-20T18:57:42Z)
Enhancing Extractive Text Summarization with Topic-Aware Graph Neural Networks [21.379555672973975]
本稿では,グラフニューラルネットワーク(GNN)に基づく抽出要約モデルを提案する。本モデルでは,文章選択のための文書レベルの特徴を提供する潜在トピックを発見するために,共同ニューラルトピックモデル(NTM)を統合している。実験結果から,CNN/DMおよびNYTデータセットにおいて,本モデルがほぼ最先端の結果が得られることが示された。
論文参考訳（メタデータ） (2020-10-13T09:30:04Z)
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)
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)
Screenplay Summarization Using Latent Narrative Structure [78.45316339164133]
本稿では,物語の基盤となる構造を一般教師なし・教師付き抽出要約モデルに明示的に組み込むことを提案する。重要な物語イベント(転回点)の観点で物語構造を定式化し、脚本を要約するために潜伏状態として扱う。シーンレベルの要約ラベルを付加したテレビ画面のCSIコーパスの実験結果から,潜角点がCSIエピソードの重要な側面と相関していることが判明した。
論文参考訳（メタデータ） (2020-04-27T11:54:19Z)
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。