論文の概要: Who's important? -- SUnSET: Synergistic Understanding of Stakeholder, Events and Time for Timeline Generation

• arxiv url: http://arxiv.org/abs/2507.21903v1
• Date: Tue, 29 Jul 2025 15:14:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 17:08:56.558068
• Title: Who's important? -- SUnSET: Synergistic Understanding of Stakeholder, Events and Time for Timeline Generation
• Title（参考訳）: 重要か -- SUnSET: タイムライン生成のためのステークホルダー、イベント、時間の相乗的理解
• Authors: Tiviatis Sim, Kaiwen Yang, Shen Xin, Kenji Kawaguchi,
• Abstract要約: SUnSET: タイムライン要約(TLS)タスクにおける利害関係者・イベント・時間の相乗的理解 我々は、強力なLarge Language Models(LLMs)を活用してSETトレーレットを構築し、利害関係者ベースのランキングを導入して、$Relevancy$メトリックを構築しました。 我々の実験結果は、すべての先行する基準を上回り、新たな現状として浮上し、ニュース記事における利害関係者情報の影響を浮き彫りにした。
• 参考スコア（独自算出の注目度）: 24.429006063826016
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: As news reporting becomes increasingly global and decentralized online, tracking related events across multiple sources presents significant challenges. Existing news summarization methods typically utilizes Large Language Models and Graphical methods on article-based summaries. However, this is not effective since it only considers the textual content of similarly dated articles to understand the gist of the event. To counteract the lack of analysis on the parties involved, it is essential to come up with a novel framework to gauge the importance of stakeholders and the connection of related events through the relevant entities involved. Therefore, we present SUnSET: Synergistic Understanding of Stakeholder, Events and Time for the task of Timeline Summarization (TLS). We leverage powerful Large Language Models (LLMs) to build SET triplets and introduced the use of stakeholder-based ranking to construct a $Relevancy$ metric, which can be extended into general situations. Our experimental results outperform all prior baselines and emerged as the new State-of-the-Art, highlighting the impact of stakeholder information within news article.
• Abstract（参考訳）: ニュース報道がますますグローバル化され、オンライン化されるにつれて、複数のソースにわたる関連するイベントの追跡が重大な課題となっている。 既存のニュース要約手法は、記事に基づく要約において、大言語モデルとグラフィカルな手法を用いるのが一般的である。 しかし、イベントのジストを理解するために、同様の日付記事のテキスト内容のみを考慮するため、これは効果的ではない。 関係者の分析の欠如に対処するためには、利害関係者の重要性と関連するエンティティを通じて関連するイベントの関連性を評価するための新しい枠組みを考えることが不可欠である。 そこで,本稿では,SUnSET:Stakeholder, Events, Time for the task of Timeline Summarization (TLS)を提案する。 我々は、強力なLarge Language Models(LLMs)を活用してSET三脚を構築するとともに、ステークホルダーベースのランキングを導入して、一般的な状況に拡張可能な$Relevancy$メトリックを構築しました。 我々の実験結果は、すべての先行する基準を上回り、新たな現状として浮上し、ニュース記事における利害関係者情報の影響を浮き彫りにした。

関連論文リスト

• DTECT: Dynamic Topic Explorer & Context Tracker [0.8962460460173959]
  DTECT(Dynamic Topic Explorer & Context Tracker)は、テキストデータと意味のある時間的洞察のギャップを埋めるエンドツーエンドシステムである。 DTECTは、データ前処理、複数のモデルアーキテクチャ、時間的トピックモデルのトピック品質を分析するための専用の評価メトリクスをサポートする統合ワークフローを提供する。 LLMによる自動トピックラベリング、時間順な単語によるトレンド分析、文書レベルの要約によるインタラクティブな可視化、直感的なデータクエリのための自然言語チャットインターフェースの導入により、解釈可能性を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-07-10T16:44:33Z)
• Unfolding the Headline: Iterative Self-Questioning for News Retrieval and Timeline Summarization [93.56166917491487]
  本稿では,オープンドメインニュースタイムライン SummarizatiOn に対するCHRONOS-Causal Headline Retrieval を提案する。 実験の結果,Chronosはオープンドメインのタイムラインの要約に長けているだけでなく,クローズドドメインアプリケーション用に設計された既存の最先端システムの性能に匹敵していることがわかった。
  論文  参考訳（メタデータ） (2025-01-01T16:28:21Z)
• Analyzing Temporal Complex Events with Large Language Models? A Benchmark towards Temporal, Long Context Understanding [57.62275091656578]
  時間的複合イベント(TCE)として、長い期間にわたって多くのニュース記事から構成される複合イベントについて述べる。 本稿では,Large Language Models (LLMs) を用いて,TCE内のイベントチェーンを系統的に抽出し,解析する手法を提案する。
  論文  参考訳（メタデータ） (2024-06-04T16:42:17Z)
• Historically Relevant Event Structuring for Temporal Knowledge Graph Reasoning [4.705577684291238]
  時間的知識グラフ(TKG)推論は、タイムライン上に配布されたスナップショット内の履歴情報を通じてイベントを予測することに焦点を当てる。 我々は、textbfHistorally textbfRelevant textbfEvents textbfStructuring (HisRES) に対する革新的なTKG推論手法を提案する。
  論文  参考訳（メタデータ） (2024-05-17T08:33:43Z)
• Graph Neural Network and NER-Based Text Summarization [1.5850926890180461]
  本稿では,グラフニューラルネットワーク(GNN)と名前付きエンティティ認識(NER)システムを活用した,テキスト要約のための革新的なアプローチを紹介する。 本手法は,要約の効率を高めるとともに,凝縮した内容の高次関連性を確保することを目的としている。
  論文  参考訳（メタデータ） (2024-02-05T03:00:44Z)
• Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News Detection [50.07850264495737]
  プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。 我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
  論文  参考訳（メタデータ） (2023-09-28T13:19:43Z)
• Follow the Timeline! Generating Abstractive and Extractive Timeline Summary in Chronological Order [78.46986998674181]
  時間順で抽象的かつ抽出的な時系列を生成できる統一タイムライン要約器(UTS)を提案する。 我々は、以前の中国の大規模タイムライン要約データセットを拡張し、新しい英語タイムラインデータセットを収集する。 UTSは、自動評価と人的評価の両方の観点から最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-01-02T20:29:40Z)
• NECE: Narrative Event Chain Extraction Toolkit [64.89332212585404]
  NECEはオープンアクセス型文書レベルのツールキットで,その発生の時間順に物語のイベントを自動的に抽出・アライメントする。 NECEツールキットの高品質さを示し、性別に関するナラティブバイアスを分析するために、その下流の応用を実証する。 また、現状のアプローチの欠点と、今後の研究で生成モデルを活用する可能性についてもオープンに論じる。
  論文  参考訳（メタデータ） (2022-08-17T04:30:58Z)
• Temporal Common Sense Acquisition with Minimal Supervision [77.8308414884754]
  この研究は、時間的常識の明示的で暗黙的な言及を活用する新しいシーケンスモデリング手法を提案する。 本手法は,時間的共通感覚の様々な次元の質予測を行う。 また、時間比較、親子関係、イベントコア参照、時間的QAなど、関連するタスクに対するイベントの表現も生成する。
  論文  参考訳（メタデータ） (2020-05-08T22:20:16Z)

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。