論文の概要: Not Worth Mentioning? A Pilot Study on Salient Proposition Annotation
- arxiv url: http://arxiv.org/abs/2603.27358v1
- Date: Sat, 28 Mar 2026 18:09:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:44.920318
- Title: Not Worth Mentioning? A Pilot Study on Salient Proposition Annotation
- Title（参考訳）: 価値の試行ではないか? : 有能な命題アノテーションに関するパイロット研究
- Authors: Amir Zeldes, Katherine Conhaim, Lauren Levine,
- Abstract要約: 我々は、SEE(Salient Entity extract)に関する以前の研究から、段階的な要約に基づくサリエンスをメトリクスとして採用している。
我々は、アノテーションタスクを定義し、それを小さなマルチジャンルデータセットに適用し、合意を評価し、RST(Rhetorical Structure Theory)に続く言論解析において、私たちのメートル法と談話単位中心性の概念の関係について予備的な研究を行う。
- 参考スコア（独自算出の注目度）: 6.8009771183515575
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite a long tradition of work on extractive summarization, which by nature aims to recover the most important propositions in a text, little work has been done on operationalizing graded proposition salience in naturally occurring data. In this paper, we adopt graded summarization-based salience as a metric from previous work on Salient Entity Extraction (SEE) and adapt it to quantify proposition salience. We define the annotation task, apply it to a small multi-genre dataset, evaluate agreement and carry out a preliminary study of the relationship between our metric and notions of discourse unit centrality in discourse parsing following Rhetorical Structure Theory (RST).
- Abstract（参考訳）: テキストの中で最も重要な命題を復元することを目的とした抽出的要約に関する長い伝統にもかかわらず、自然に発生するデータにおいて、格付けされた命題サリエンスを運用する作業はほとんど行われていない。
本稿では,SEE(Salient Entity extract)に関するこれまでの研究から,SEE(Salient Entity extract)の指標として,SEE(Salient Entity extract)とSEE(Salient Entity extract)を併用して提案サリエンスを定量化する手法を提案する。
我々はアノテーションタスクを定義し、それを小さなマルチジャンルのデータセットに適用し、合意を評価し、RST(Rhetorical Structure Theory)に続く言論解析において、我々の計量と談話単位中心性の概念の関係を予備研究する。
関連論文リスト
- Context is Enough: Empirical Validation of $\textit{Sequentiality}$ on Essays [1.338174941551702]
コンテクスト版の連続性は, 談話レベルの特徴の人間による評価とより密接に一致していることを示す。
本研究は,自動エッセイ評価および関連するNLPタスクの検証,解釈,補完機能としてコンテキストベースのシーケンシャル性の利用を支援する。
論文 参考訳（メタデータ） (2025-11-12T10:31:07Z) - In-depth Research Impact Summarization through Fine-Grained Temporal Citation Analysis [52.42612945266194]
我々は、ニュアンス付き、表現型、時間対応のインパクトサマリーを生成する新しいタスクを提案する。
これらの要約は、微粒な引用意図の進化を通じて、賞賛(確認引用)と批評(補正引用)の両方を捉えていることを示す。
論文 参考訳（メタデータ） (2025-05-20T19:11:06Z) - FENICE: Factuality Evaluation of summarization based on Natural language Inference and Claim Extraction [85.26780391682894]
自然言語推論とクレーム抽出(FENICE)に基づく要約のファクチュアリティ評価を提案する。
FENICEは、ソース文書内の情報と、要約から抽出されたクレームと呼ばれる一連の原子的事実との間のNLIベースのアライメントを利用する。
我々の測定基準は、事実性評価のためのデファクトベンチマークであるAGGREFACTに関する新しい技術状況を設定する。
論文 参考訳（メタデータ） (2024-03-04T17:57:18Z) - Fine-Grained Natural Language Inference Based Faithfulness Evaluation
for Diverse Summarisation Tasks [14.319567507959759]
既成の自然言語推論(NLI)モデルを用いた要約忠実度の評価手法について検討した。
InFusEという新しい手法を提案する。これは、変数の前提サイズを使い、要約文を短い仮説に単純化する。
論文 参考訳（メタデータ） (2024-02-27T15:57:11Z) - 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) - Weakly-Supervised Aspect-Based Sentiment Analysis via Joint
Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。
We learn sentiment, aspects> joint topic embeddeds in the word embedding space。
次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文 参考訳（メタデータ） (2020-10-13T21:33:24Z)
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。