論文の概要: A BART-based approach with hierarchical strategy for Vietnamese abstractive multi-document summarization

• arxiv url: http://arxiv.org/abs/2606.19591v1
• Date: Wed, 17 Jun 2026 20:46:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.536695
• Title: A BART-based approach with hierarchical strategy for Vietnamese abstractive multi-document summarization
• Title（参考訳）: ベトナムの抽象的多文書要約のための階層戦略を用いたBARTに基づくアプローチ
• Authors: Vu Nguyen Nguyen Xuan, Huy Ngo Quang,
• Abstract要約: ベトナムの多文書抽象要約は、2022年のベトナム語と音声処理に関する国際ワークショップで紹介された。 我々は,黄金の要約によって駆動される文書を短縮し,階層的アプローチの段階間の高い相関性を確保するための新しい手法を提案する。 VLSPの公開テストセットでROUGE2-F1スコアの0.2468を達成し,流動的で簡潔な要約を生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this technical report, we focus on solving the challenge of Vietnamese multi-document abstractive summarization, introduced in the International Workshop on Vietnamese Language and Speech Processing (VLSP) 2022. We choose to follow the popular hierarchical approach, i.e. condensing each document followed by aggregation and summarization. We propose a novel yet simple strategy to shorten documents that is driven by the golden summary, thus ensuring high correlation between stages of the hierarchical approach. Our method achieves a ROUGE2-F1 score of 0.2468 on the VLSP's public test set, and can produce fluent and concise summaries. Additionally, we utilize external sources for extra data, which greatly enhances the quantity of data for Vietnamese multi-document summarization. The additional data is made available for the community.
• Abstract（参考訳）: 本稿では,ベトナム語・音声処理国際ワークショップ(VLSP)2022で紹介された,ベトナム語多文書抽象要約の課題に焦点をあてる。 我々は、一般的な階層的アプローチ、すなわち、各文書を集約し、集約と要約を行うことを選択する。 我々は,黄金の要約によって駆動される文書を短縮し,階層的アプローチの段階間の高い相関性を確保するための,新しい単純な手法を提案する。 VLSPの公開テストセットでROUGE2-F1スコアの0.2468を達成し,流動的で簡潔な要約を生成する。 さらに,ベトナムの多文書要約のためのデータ量を大幅に増大させる余分なデータに外部ソースを利用する。 追加のデータはコミュニティで利用可能だ。

関連論文リスト

• Topic-Guided Reinforcement Learning with LLMs for Enhancing Multi-Document Summarization [49.61589046694085]
  マルチドキュメント要約におけるコンテンツ選択を改善するためのトピック誘導型強化学習手法を提案する。 まず、トピックラベル付きモデルに明示的にプロンプトすることで、生成した要約の情報性が向上することを示す。
  論文  参考訳（メタデータ） (2025-09-11T21:01:54Z)
• BERT-VBD: Vietnamese Multi-Document Summarization Framework [2.2526595080231857]
  新しくて有望な戦略は、抽出的および抽象的要約法の相乗的融合を含む。 本稿では,2成分パイプラインアーキテクチャを利用したベトナムのMDSフレームワークを提案する。 提案されたフレームワークは、VN-MDSデータセットで39.6%のROUGE-2スコアを獲得し、最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2024-09-18T16:56:06Z)
• Write Summary Step-by-Step: A Pilot Study of Stepwise Summarization [48.57273563299046]
  本稿では,新たな文書が提案されるたびに追加の要約を生成するステップワイド要約の課題を提案する。 追加された要約は、新たに追加されたコンテンツを要約するだけでなく、以前の要約と一貫性を持たなければならない。 SSGは,自動計測と人的評価の両面から,最先端のパフォーマンスを実現していることを示す。
  論文  参考訳（メタデータ） (2024-06-08T05:37:26Z)
• Overview of the VLSP 2022 -- Abmusu Shared Task: A Data Challenge for Vietnamese Abstractive Multi-document Summarization [0.6827423171182151]
  Abmusuの共有タスクの目的は、トピック上の文書の集合に対して抽象的な要約を自動的に作成できる要約システムを開発することである。 ベトナムのニュースから収集した1,839の文書を600のクラスタにまとめた人手によるデータセットを8つのカテゴリに分けて構築する。 モデルは、文書要約問題の最も典型的な評価指標であるtexttROUGE2-F1 スコアで評価され、ランク付けされる。
  論文  参考訳（メタデータ） (2023-11-27T04:01:13Z)
• Vietnamese multi-document summary using subgraph selection approach -- VLSP 2022 AbMuSu Shared Task [0.0]
  文書要約は、文書の流動的で凝縮した要約を生成するタスクである。 本稿では,抽出MDS問題をサブグラフ選択に変換することに焦点を当てる。 VLSP評価キャンペーン2022で発表されたベトナムのデータセットで実験が行われた。
  論文  参考訳（メタデータ） (2023-06-26T16:34:02Z)
• Generating EDU Extracts for Plan-Guided Summary Re-Ranking [77.7752504102925]
  要約候補を生成して1つの要約を返す2段階のアプローチでは、標準的な単一ステップアプローチよりもROUGEスコアを改善することができる。 これらの問題に対処する再ランク付け候補を生成するための新しい手法を設計する。 広く使われている単一文書ニュース記事コーパスにおいて,以前に公表された手法よりも大きな関連性を示した。
  論文  参考訳（メタデータ） (2023-05-28T17:22:04Z)
• LBMT team at VLSP2022-Abmusu: Hybrid method with text correlation and generative models for Vietnamese multi-document summarization [1.4716144941085147]
  本稿では,クラスタ類似度に基づくマルチドキュメント要約手法を提案する。 各クラスタから最も重要な文を選択して要約を生成した後、BARTpho と ViT5 を用いて抽象モデルを構築する。
  論文  参考訳（メタデータ） (2023-04-11T13:15:24Z)
• SgSum: Transforming Multi-document Summarization into Sub-graph Selection [27.40759123902261]
  既存の抽出多文書要約(MDS)手法は、各文を個別にスコアし、一つずつ有能な文を抽出して要約を構成する。 サブグラフ選択問題としてMDSタスクを定式化する新しいMDSフレームワーク(SgSum)を提案する。 我々のモデルは従来のMDS法と比較して、より一貫性があり、情報的な要約を生成できる。
  論文  参考訳（メタデータ） (2021-10-25T05:12:10Z)
• PoBRL: Optimizing Multi-Document Summarization by Blending Reinforcement Learning Policies [68.8204255655161]
  マルチドキュメントの要約を解くための強化学習ベースのフレームワーク PoBRL を提案する。 私たちの戦略は、この多対象最適化を、強化学習によって個別に解決できるさまざまなサブ問題に分離します。 実験結果から,複数のマルチドキュメントデータセットにおける最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-05-18T02:55:42Z)
• SummPip: Unsupervised Multi-Document Summarization with Sentence Graph Compression [61.97200991151141]
  SummPipはマルチドキュメント要約のための教師なしの手法である。 元の文書を文グラフに変換し、言語表現と深層表現の両方を考慮に入れます。 次に、スペクトルクラスタリングを適用して複数の文のクラスタを取得し、最後に各クラスタを圧縮して最終的な要約を生成する。
  論文  参考訳（メタデータ） (2020-07-17T13:01:15Z)
• Leveraging Graph to Improve Abstractive Multi-Document Summarization [50.62418656177642]
  我々は、文書のよく知られたグラフ表現を活用することができる、抽象的多文書要約(MDS)モデルを開発する。 本モデルでは,長い文書の要約に欠かせない文書間関係を捉えるために,文書の符号化にグラフを利用する。 また,このモデルでは,要約生成プロセスの導出にグラフを利用することが可能であり,一貫性と簡潔な要約を生成するのに有用である。
  論文  参考訳（メタデータ） (2020-05-20T13:39:47Z)

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。