論文の概要: Explanatory Summarization with Discourse-Driven Planning

• arxiv url: http://arxiv.org/abs/2504.19339v1
• Date: Sun, 27 Apr 2025 19:47:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.24281
• Title: Explanatory Summarization with Discourse-Driven Planning
• Title（参考訳）: 談話型計画による説明要約
• Authors: Dongqi Liu, Xi Yu, Vera Demberg, Mirella Lapata,
• Abstract要約: 本稿では、談話フレームワークを活用して要約生成を整理し、説明文を案内するプランベースアプローチを提案する。 具体的には、2つの談話型計画戦略を提案し、そこでは、計画が出力プレフィックスの入力または部分の一部として条件付けられている。 3つのレイ・サマリゼーション・データセットに関する実証実験により,本手法は要約品質の観点から既存の最先端手法よりも優れていることが示された。
• 参考スコア（独自算出の注目度）: 58.449423507036414
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lay summaries for scientific documents typically include explanations to help readers grasp sophisticated concepts or arguments. However, current automatic summarization methods do not explicitly model explanations, which makes it difficult to align the proportion of explanatory content with human-written summaries. In this paper, we present a plan-based approach that leverages discourse frameworks to organize summary generation and guide explanatory sentences by prompting responses to the plan. Specifically, we propose two discourse-driven planning strategies, where the plan is conditioned as part of the input or part of the output prefix, respectively. Empirical experiments on three lay summarization datasets show that our approach outperforms existing state-of-the-art methods in terms of summary quality, and it enhances model robustness, controllability, and mitigates hallucination.
• Abstract（参考訳）: 科学文献の要約には、読者が洗練された概念や議論を理解するのに役立つ説明が含まれる。 しかし、現在の自動要約法では、説明内容の比率を人書きの要約に合わせることは困難である。 本稿では,談話フレームワークを活用して要約生成と説明文の指導を行うプランベースアプローチを提案する。 具体的には、2つの談話型計画戦略を提案し、そこでは、それぞれ、入力または出力プレフィックスの一部として計画が条件付けられている。 3つのレイ・サマリゼーション・データセットの実証実験により、我々のアプローチは、要約品質の観点から既存の最先端手法よりも優れており、モデルロバスト性、制御可能性、および幻覚を緩和することを示した。

関連論文リスト

• Exploration of Plan-Guided Summarization for Narrative Texts: the Case of Small Language Models [15.056004370209916]
  計画誘導要約は、生成した要約を原文に接地することで、小言語モデル(SLM)の幻覚を減らそうとする。 我々は、詳細な詳細をターゲットとした既存の計画誘導ソリューションを分析し、また、より高レベルで物語に基づく計画定式化を提案する。 以上の結果から,概略品質や忠実度を計画することなく,ベースラインでのアプローチが著しく改善されることが示唆された。
  論文  参考訳（メタデータ） (2025-04-12T04:11:37Z)
• 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)
• EIPE-text: Evaluation-Guided Iterative Plan Extraction for Long-Form Narrative Text Generation [114.50719922069261]
  長文物語テキスト生成のための評価誘導反復計画抽出法(EIPE-text)を提案する。 EIPEテキストには、計画抽出、学習、推論の3段階がある。 小説やストーリーテリングの分野におけるEIPEテキストの有効性を評価する。
  論文  参考訳（メタデータ） (2023-10-12T10:21:37Z)
• On Generating Explanations for Reinforcement Learning Policies: An Empirical Study [2.3418061477154786]
  本稿では、ポリシーの説明を提供するために設計されたテキストリニア時間論理式について紹介する。 我々の焦点は、政策によって達成される最終的な目的と、実行を通じて維持される前提条件の両方を解明する説明である。
  論文  参考訳（メタデータ） (2023-09-29T03:57:39Z)
• SummIt: Iterative Text Summarization via ChatGPT [12.966825834765814]
  本稿では,ChatGPTのような大規模言語モデルに基づく反復的なテキスト要約フレームワークSummItを提案する。 我々のフレームワークは、自己評価とフィードバックによって生成された要約を反復的に洗練することを可能にする。 また, 繰り返し改良の有効性を検証し, 過補正の潜在的な問題を特定するために, 人間の評価を行う。
  論文  参考訳（メタデータ） (2023-05-24T07:40:06Z)
• Zero-Shot On-the-Fly Event Schema Induction [61.91468909200566]
  本稿では,大規模な言語モデルを用いて,高レベルなイベント定義,特定のイベント,引数,それらの関係を予測・付与するソースドキュメントを生成する手法を提案する。 我々のモデルを用いて、任意のトピックに関する完全なスキーマを、手動のデータ収集、すなわちゼロショットの方法で、オンザフライで生成することができる。
  論文  参考訳（メタデータ） (2022-10-12T14:37:00Z)
• Dialogue Summarization with Supporting Utterance Flow Modeling and Fact Regularization [58.965859508695225]
  本稿では、2つの新しいモジュールを用いた対話要約のためのエンドツーエンドニューラルネットワークを提案する。 サポートされた発話フローモデリングは、前者の発話から後者へのフォーカスを円滑にシフトさせることで、コヒーレントな要約を生成するのに役立つ。 事実の正則化は、モデルトレーニング中に生成された要約は、基礎と真実の要約と実際に一致するように促します。
  論文  参考訳（メタデータ） (2021-08-03T03:09:25Z)
• 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)
• Summarizing Text on Any Aspects: A Knowledge-Informed Weakly-Supervised Approach [89.56158561087209]
  文書に関連する任意の側面を要約する。 監視データがないため、我々は新しい弱い監督構築法とアスペクト・モデリング・スキームを開発した。 実験により,本手法は実文書と合成文書の両方を要約することで,性能の向上を図っている。
  論文  参考訳（メタデータ） (2020-10-14T03:20:46Z)

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。