Fugu-MT 論文翻訳(概要): Glitter: Visualizing Lexical Surprisal for Readability in Administrative Texts

論文の概要: Glitter: Visualizing Lexical Surprisal for Readability in Administrative Texts

arxiv url: http://arxiv.org/abs/2601.05411v1
Date: Thu, 08 Jan 2026 22:27:24 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-12 17:41:49.786016
Title: Glitter: Visualizing Lexical Surprisal for Readability in Administrative Texts
Title（参考訳）: Glitter: 管理テキストの読みやすさに関する語彙的前提を視覚化する
Authors: Jan Černý, Ivana Kvapilíková, Silvie Cinková,
Abstract要約: 本研究では,テキストのエントロピーを計測して可読性を推定する方法について検討する。本稿では,複数の言語モデルを用いてテキストの情報エントロピーを近似し,結果を視覚化する可視化フレームワークを提案する。
参考スコア（独自算出の注目度）: 0.15293427903448018
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This work investigates how measuring information entropy of text can be used to estimate its readability. We propose a visualization framework that can be used to approximate information entropy of text using multiple language models and visualize the result. The end goal is to use this method to estimate and improve readability and clarity of administrative or bureaucratic texts. Our toolset is available as a libre software on https://github.com/ufal/Glitter.
Abstract（参考訳）: 本研究では,テキストのエントロピーを計測して可読性を推定する方法について検討する。本稿では,複数の言語モデルを用いてテキストの情報エントロピーを近似し,結果を視覚化する可視化フレームワークを提案する。最終目標は、この手法を用いて行政文書や官僚文書の読みやすさと明快さを推定し改善することである。私たちのツールセットはhttps://github.com/ufal/Glitter.comのライブラリソフトウェアとして利用可能です。

関連論文リスト

See the Text: From Tokenization to Visual Reading [63.10220471118435]
SeeTokはテキストを画像(ビジュアルテキスト)としてレンダリングし、事前訓練されたマルチモーダル計算を利用して解釈する。 3つの異なる言語タスクの中で、SeeeTokはサブワードトークンをマッチまたはオーバーし、トークンを4.43倍少なくし、FLOPを70.5%削減する。 SeeTokは、象徴的なトークン化から人間のような視覚的な読み方へとシフトし、より自然で認知的にインスパイアされた言語モデルへと一歩前進する。
論文参考訳（メタデータ） (2025-10-21T17:34:48Z)
When Personalization Tricks Detectors: The Feature-Inversion Trap in Machine-Generated Text Detection [64.23509202768945]
パーソナライズされた設定における検出ロバスト性を評価するための最初のベンチマークであるデータセットを紹介する。実験により, 個別設定における検出器間の性能差が大きいことが示された。パーソナライズされた設定における検出性能変化を簡易かつ信頼性の高い予測方法を提案する。
論文参考訳（メタデータ） (2025-10-14T13:10:23Z)
Readability Formulas, Systems and LLMs are Poor Predictors of Reading Ease [4.868319717279586]
我々は、視線追跡を用いたオンライン読解手段を用いて、読みやすさとリアルタイム読みやすさの基本的な側面に焦点を当てた。この評価を従来の可読性の公式、現代の機械学習システム、教育で使用される商用システムに適用すると、これらはすべて英語で読みやすいという予測が下手であることを示唆している。
論文参考訳（メタデータ） (2025-02-16T14:51:44Z)
Generating Summaries with Controllable Readability Levels [67.34087272813821]
テキストの複雑さ、主題、読者の背景知識など、可読性レベルに影響を与える要因がいくつかある。現在のテキスト生成アプローチでは制御が洗練されておらず、結果として読者の習熟度にカスタマイズされないテキストが作られる。可読性を制御するための3つのテキスト生成手法を開発した。命令ベースの可読性制御,要求される可読性と観測される可読性の間のギャップを最小限に抑える強化学習,および,ルックアヘッドを用いて今後の復号化ステップの可読性を評価する復号手法である。
論文参考訳（メタデータ） (2023-10-16T17:46:26Z)
LLMDet: A Third Party Large Language Models Generated Text Detection Tool [119.0952092533317]
大規模言語モデル(LLM)は、高品質な人間によるテキストに非常に近い。既存の検出ツールは、機械が生成したテキストと人間によるテキストしか区別できない。本稿では,モデル固有,セキュア,効率的,拡張可能な検出ツールであるLLMDetを提案する。
論文参考訳（メタデータ） (2023-05-24T10:45:16Z)
CLIP-Count: Towards Text-Guided Zero-Shot Object Counting [32.07271723717184]
オープン語彙オブジェクトの密度マップをゼロショットで推定する,最初のエンドツーエンドパイプラインであるCLIP-Countを提案する。テキスト埋め込みを濃密な視覚特徴と整合させるため、我々は、密集した予測のための情報的パッチレベルの視覚表現を学習するために、モデルを誘導するパッチテキストコントラスト損失を導入する。本手法は,対象物に対する高品質な密度マップを効果的に生成する。
論文参考訳（メタデータ） (2023-05-12T08:19:39Z)
ChatGraph: Interpretable Text Classification by Converting ChatGPT Knowledge to Graphs [54.48467003509595]
ChatGPTは、様々な自然言語処理(NLP)タスクにおいて優れたパフォーマンスを示している。テキスト分類などの特定のタスクにChatGPTのパワーを利用する新しいフレームワークを提案する。本手法は,従来のテキスト分類法と比較して,より透過的な意思決定プロセスを提供する。
論文参考訳（メタデータ） (2023-05-03T19:57:43Z)
Readability Research: An Interdisciplinary Approach [62.03595526230364]
我々は,可読性研究の包括的枠組みである可読性研究のための強固な基盤を提供することを目指している。可読性(Readability)とは、ページから読み手への情報フローに影響を与える視覚情報設計の側面を指す。これらのアスペクトはオンデマンドで修正可能で、読み手がテキストから処理し、意味を導き出すのが簡単になる。
論文参考訳（メタデータ） (2021-07-20T16:52:17Z)

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。