Fugu-MT 論文翻訳(概要): Can summarization approximate simplification? A gold standard comparison

論文の概要: Can summarization approximate simplification? A gold standard comparison

arxiv url: http://arxiv.org/abs/2501.16181v1
Date: Mon, 27 Jan 2025 16:27:41 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-28 13:57:06.203011
Title: Can summarization approximate simplification? A gold standard comparison
Title（参考訳）: 要約は近似的な単純化が可能か?金の標準比較
Authors: Giacomo Magnifico, Eduard Barbu,
Abstract要約: 本研究では,テキスト要約と単純化出力の重なりについて検討する。 2つのBARTベースのBRIO要約手法をNewsela corpusに適用し、手動による注釈付き単純化と出力を比較し、ROUGE-Lスコア0.654を達成した。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This study explores the overlap between text summarization and simplification outputs. While summarization evaluation methods are streamlined, simplification lacks cohesion, prompting the question: how closely can abstractive summarization resemble gold-standard simplification? We address this by applying two BART-based BRIO summarization methods to the Newsela corpus, comparing outputs with manually annotated simplifications and achieving a top ROUGE-L score of 0.654. This provides insight into where summarization and simplification outputs converge and differ.
Abstract（参考訳）: 本研究では,テキスト要約と単純化出力の重なりについて検討する。要約評価法は合理化されているが、単純化は凝集を欠いている。本稿では,2つのBARTベースのBRIO要約手法をNewsela corpusに適用し,手作業による注釈付き単純化と出力を比較し,ROUGE-Lのスコア0.654を達成した。これは、要約と単純化の出力がどこで収束し、異なるかについての洞察を与える。

関連論文リスト

Evaluating Document Simplification: On the Importance of Separately Assessing Simplicity and Meaning Preservation [9.618393813409266]
本稿では,文書レベルの簡易化評価に焦点をあてる。我々は、意味の保存と単純化のために異なる指標を用いて既存のモデルを比較した。我々は、単純さのために参照なし計量変種を導入し、モデルは、単純化または意味保存のどちらにも偏っていることを示す。
論文参考訳（メタデータ） (2024-04-04T08:04:24Z)
AugSumm: towards generalizable speech summarization using synthetic labels from large language model [61.73741195292997]
抽象音声要約(SSUM)は、音声から人間に似た要約を生成することを目的としている。従来のSSUMモデルは、主に、人間による注釈付き決定論的要約(英語版)を用いて訓練され、評価されている。 AugSummは,人間のアノテータが拡張要約を生成するためのプロキシとして,大規模言語モデル(LLM)を利用する手法である。
論文参考訳（メタデータ） (2024-01-10T18:39:46Z)
BERM: Training the Balanced and Extractable Representation for Matching to Improve Generalization Ability of Dense Retrieval [54.66399120084227]
本稿では,BERMと呼ばれるマッチング信号の取得により,高密度検索の一般化を改善する手法を提案する。センス検索は、ドメイン内のラベル付きデータセットでトレーニングされた場合、第1段階の検索プロセスにおいて有望であることが示されている。
論文参考訳（メタデータ） (2023-05-18T15:43:09Z)
Exploiting Summarization Data to Help Text Simplification [50.0624778757462]
テキスト要約とテキスト単純化の類似性を解析し,要約データを利用して単純化を行った。我々はこれらのペアをSum4Simp (S4S) と命名し,S4Sが高品質であることを示す人間評価を行った。
論文参考訳（メタデータ） (2023-02-14T15:32:04Z)
NapSS: Paragraph-level Medical Text Simplification via Narrative Prompting and Sentence-matching Summarization [46.772517928718216]
そこで我々はNapSSと呼ばれる2段階戦略を提案する。 NapSSは、オリジナルの物語の流れが保存されていることを保証しながら、関連コンテンツを特定し、単純化する。本モデルは,英語医療コーパスのSeq2seqベースラインよりも有意に優れている。
論文参考訳（メタデータ） (2023-02-11T02:20:25Z)
Text Summarization with Oracle Expectation [88.39032981994535]
抽出要約は、文書の中で最も重要な文を識別し、連結することによって要約を生成する。ほとんどの要約データセットは、文書文が要約に値するかどうかを示す金のラベルを持っていない。本稿では,ソフトな予測に基づく文ラベルを生成する,シンプルで効果的なラベル付けアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-09-26T14:10:08Z)
A General Contextualized Rewriting Framework for Text Summarization [15.311467109946571]
抽出文は比較的焦点が当てられているが、背景知識や談話の文脈が失われる可能性がある。コンテントベースのアドレッシングによって抽出文を識別し、グループタグアライメントを施したSeq2seqとしてコンテクスト化された書き直しを形式化する。その結果,本手法は強化学習を必要とせず,非コンテクスチュアライズされた書き換えシステムよりも優れていた。
論文参考訳（メタデータ） (2022-07-13T03:55:57Z)
Text Simplification for Comprehension-based Question-Answering [7.144235435987265]
広く使われているSQuADデータセットの簡易バージョンであるSimple-SQuADをリリースする。新たに作成したコーパスをベンチマークし,SQuADに基づく質問応答課題における単純化プロセスの効果を検討するためのアブレーション研究を行った。
論文参考訳（メタデータ） (2021-09-28T18:48:00Z)
ASSET: A Dataset for Tuning and Evaluation of Sentence Simplification Models with Multiple Rewriting Transformations [97.27005783856285]
本稿では,英語で文の単純化を評価するための新しいデータセットであるASSETを紹介する。 ASSETの単純化は、タスクの他の標準評価データセットと比較して、単純さの特徴を捉えるのに優れていることを示す。
論文参考訳（メタデータ） (2020-05-01T16:44:54Z)

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。