論文の概要: LexLattice: Multilingual Extractive Summarization via Neural Cellular Automata on Document Hierarchies

• arxiv url: http://arxiv.org/abs/2609.27032v1
• Date: Tue, 22 Sep 2026 20:25:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.761334
• Title: LexLattice: Multilingual Extractive Summarization via Neural Cellular Automata on Document Hierarchies
• Title（参考訳）: LexLattice: 文書階層上のニューラルセルオートマタによる多言語抽出要約
• Abstract要約: LexLatticeは、法的行為の階層を2次元意味論的格子として再定義する抽出的要約器である。 EUR-Lex-Sumの24言語すべてで、多言語と多言語の両方で最先端のROUGEを実現している。
• 参考スコア（独自算出の注目度）: 0.9862798953890063
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Faithfulness is a central concern in legal text summarization, which motivates extractive approaches that select verbatim content traceable to its source. Such methods typically rank paragraphs or other structural units in isolation, yet give little attention to consolidating evidence that is distributed across, and shares salience between, distant parts of a document. We introduce LexLattice, an extractive summarizer that reifies a legal act's hierarchy as a two-dimensional semantic lattice and consolidates over it with a masked 2D neural cellular automata before selection. LexLattice attains state-of-the-art ROUGE across all 24 languages of EUR-Lex-Sum in both multilingual and cross-lingual settings, surpassing instruction-tuned baselines with billions of parameters, despite concentrating all trainable capacity in a 1.8M parameter consolidator over a frozen multilingual encoder. A consolidator trained only on high-resource languages further transfers to unseen languages with near-lossless retention (0.99), indicating that the model operates on language-agnostic semantic geometry rather than surface form. Our results position explicit consolidation over document structure as a compact and traceable alternative to scale for multilingual legal summarization.
• Abstract（参考訳）: 忠実さは法的テキスト要約において中心的な関心事であり、ソースにトレース可能な冗長なコンテンツを選択する抽出的アプローチを動機付けている。 このような方法は通常、単独で段落や他の構造単位をランク付けするが、分散した証拠の統合にはほとんど注意を払わず、文書の遠くにある部分の間でサリエンスを共有している。 本稿では,LexLatticeについて述べる。LexLatticeは法的行為の階層を2次元のセマンティック格子として再定義し,選択前にマスクされた2次元神経セルオートマトンと統合する抽出要約器である。 LexLatticeは、EUR-Lex-Sumの24言語すべてで最先端のROUGEをマルチリンガルとクロスリンガルの両方で達成し、マルチリンガルエンコーダ上の1.8Mパラメータコンソリエータでトレーニング可能な全容量を集中しているにもかかわらず、数十のパラメータで命令チューニングされたベースラインを超えた。 コンソリエータは、高リソース言語のみを訓練し、そのモデルが表面形ではなく言語に依存しない意味幾何学で機能していることを示す。 本稿の結果は,文書構造に対する明示的な統合を,多言語法的要約のためのスケールのコンパクトでトレース可能な代替手段として位置づけている。

関連論文リスト

• VoxSumm: A Multilingual Corpus of Long-Form Spoken News for Joint Summarization and Translation [15.214203270614535]
  長期文書要約研究はテキスト中心であるが、多言語音声研究は翻訳を優先している。 共同音声要約翻訳(JSumT)の形式化により,この方法論的ギャップに対処する。 このタスクのための最初の多言語および多言語間ベンチマークであるVoxSummを紹介する。
  論文  参考訳（メタデータ） (2026-08-11T01:33:09Z)
• Bilingual Text-to-Motion Generation: A New Benchmark and Baselines [52.71312720094036]
  LLMアノテーションと厳密な手動修正によって構築されたバイリンガルテキスト・モーション・ベンチマークであるBiHumanML3Dを紹介する。 また,CLA(Cross-Lingual Alignment)を用いたバイリンガルモーション拡散合成(BiMD)を提案する。 CLA を用いた BiMD は 0.045 対 0.169 対 R@3 対 80.8% の FID を達成し、単言語拡散モデルと BiHumanML3D の翻訳ベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2026-03-26T08:48:27Z)
• LEMUR: A Corpus for Robust Fine-Tuning of Multilingual Law Embedding Models for Retrieval [18.46710400838861]
  大規模言語モデル(LLM)は、法律情報へのアクセスにますます利用されている。 しかし、その多言語法的設定への展開は、信頼性の低い検索と、ドメイン適応型、オープンな埋め込みモデルの欠如によって制限されている。 LEMURは、EUの環境法律の大規模多言語コーパスであり、24,953のEUR-Lex PDF文書から25の言語をカバーする。
  論文  参考訳（メタデータ） (2026-02-10T09:20:24Z)
• Soft Language Clustering for Multilingual Model Pre-training [57.18058739931463]
  本稿では,インスタンスを条件付きで符号化するためのフレキシブルガイダンスとして,コンテキスト的にプロンプトを検索するXLM-Pを提案する。 我々のXLM-Pは、(1)言語間における言語不変および言語固有知識の軽量なモデリングを可能にし、(2)他の多言語事前学習手法との容易な統合を可能にする。
  論文  参考訳（メタデータ） (2023-06-13T08:08:08Z)
• $\mu$PLAN: Summarizing using a Content Plan as Cross-Lingual Bridge [72.64847925450368]
  言語間の要約は、異なる言語で入力文書が与えられた1つの言語で要約を生成することで構成される。 この研究は、中間計画段階を言語横断橋として利用する言語横断要約へのアプローチである$mu$PLANを提示する。
  論文  参考訳（メタデータ） (2023-05-23T16:25:21Z)
• EUR-Lex-Sum: A Multi- and Cross-lingual Dataset for Long-form Summarization in the Legal Domain [2.4815579733050157]
  欧州連合法プラットフォーム(EUR-Lex)の法的行為を手作業でキュレートした文書要約に基づいて,EUR-Lex-Sumと呼ばれる新しいデータセットを提案する。 文書とその要約は、24の公用語のうちいくつかの言語間の段落整列データとして存在している。 言語毎に最大1,500の文書/要約ペアを取得し、24言語すべてで利用可能なテキストを含む375の言語横断的な法的行為のサブセットを含む。
  論文  参考訳（メタデータ） (2022-10-24T17:58:59Z)
• MultiEURLEX -- A multi-lingual and multi-label legal document classification dataset for zero-shot cross-lingual transfer [13.24356999779404]
  法律文書のトピック分類のための多言語データセットであるMulti-EURLEXを紹介する。 データセットは、正式に23言語に翻訳された65kの欧州連合(EU)の法律で構成され、EUROVOC分類の複数のラベルが注釈付けされている。 そこで、ある言語(ソース)の注釈付きトレーニング文書を利用して、別の言語(ターゲット)のドキュメントを分類します。
  論文  参考訳（メタデータ） (2021-09-02T12:52:55Z)
• Scalable Cross-lingual Document Similarity through Language-specific Concept Hierarchies [0.0]
  本稿では,並列あるいは同等のコーパスを必要としない教師なし文書類似性アルゴリズムを提案する。 このアルゴリズムは、文書から自動的に作成されたトピックを多言語ラベルでアノテートします。 JCR-Acquis corporaの英語、スペイン語、フランス語版で実施された実験は、同様のコンテンツによる文書の分類と分類に関する有望な結果を明らかにします。
  論文  参考訳（メタデータ） (2020-12-15T10:42:40Z)
• VECO: Variable and Flexible Cross-lingual Pre-training for Language Understanding and Generation [77.82373082024934]
  我々はTransformerエンコーダにクロスアテンションモジュールを挿入し、言語間の相互依存を明確に構築する。 独自の言語でコンテキストにのみ条件付けされたマスク付き単語の予測の退化を効果的に回避することができる。 提案した言語間モデルでは,XTREMEベンチマークのさまざまな言語間理解タスクに対して,最先端の新たな結果が提供される。
  論文  参考訳（メタデータ） (2020-10-30T03:41:38Z)
• FILTER: An Enhanced Fusion Method for Cross-lingual Language Understanding [85.29270319872597]
  我々は,XLMファインタニングの入力として言語間データを利用する拡張融合法を提案する。 推論中は、ターゲット言語で入力されたテキストとソース言語の翻訳に基づいて予測を行う。 この問題に対処するため,対象言語における翻訳テキストのための自動生成ソフト擬似ラベルに基づくモデル学習のためのKL分割自己学習損失を提案する。
  論文  参考訳（メタデータ） (2020-09-10T22:42:15Z)
• Multi-SimLex: A Large-Scale Evaluation of Multilingual and Cross-Lingual Lexical Semantic Similarity [67.36239720463657]
  Multi-SimLexは、12の異なる言語のデータセットをカバーする大規模な語彙リソースと評価ベンチマークである。 各言語データセットは、意味的類似性の語彙的関係に注釈付けされ、1,888のセマンティック・アライメント・コンセプト・ペアを含む。 言語間の概念の整合性のため、66の言語間セマンティック類似性データセットを提供する。
  論文  参考訳（メタデータ） (2020-03-10T17:17:01Z)

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。