論文の概要: Zero-Shot Cue-Grounded Topic Segmentation of Spoken Documents

• arxiv url: http://arxiv.org/abs/2609.34425v1
• Date: Mon, 28 Sep 2026 06:41:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 20:49:35.316199
• Title: Zero-Shot Cue-Grounded Topic Segmentation of Spoken Documents
• Title（参考訳）: ゼロショットCue-Grounded Topic Segmentation of Spoken Documents
• Abstract要約: Cue-Grounded LLM (CGS) は、タスク固有の監督なしに動作するトレーニングフリーのフレームワークである。 CGSは、新しいトピックの開始を明示的に指示するフレーズを特定し、文の位置をセグメント境界として使用する。 このようなキューが不十分な場合には、キュー抽出時に推測されるドキュメント構造によって導かれるセマンティックセグメンテーションにフォールバックする。
• 参考スコア（独自算出の注目度）: 20.10170777890388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Topic segmentation structures spoken documents into coherent sections, facilitating navigation and downstream understanding. The appropriate granularity can vary substantially, ranging from broad thematic shifts to fine-grained subtopics. Existing LLM-based segmenters, however, often struggle to adapt to this variation, causing them to either merge distinct subtopics or over-segment coherent themes. To address this, we introduce Cue-Grounded Segmentation (CGS), a training-free framework that operates without any task-specific supervision. CGS first identifies phrases that explicitly signal the start of a new topic and uses their sentence positions as segment boundaries. When such cues are insufficient, it falls back to semantic segmentation, guided by the document structure inferred during cue extraction. Across six benchmarks and six LLM backbones, CGS consistently outperforms existing baselines, remains robust to noisy ASR transcripts, and achieves these gains with low API cost on proprietary models.
• Abstract（参考訳）: トピックセグメンテーション構造は、文書をコヒーレントなセクションに分割し、ナビゲーションと下流の理解を容易にする。 適切な粒度は、広いテーマシフトから細かいサブトピックまで様々である。 しかし、既存のLSMベースのセグメンタは、しばしばこのバリエーションに適応するのに苦労し、異なるサブトピックや過剰なコヒーレントなテーマをマージする。 そこで我々はCue-Grounded Segmentation (CGS)を紹介した。 CGSはまず、新しいトピックの開始を明示的に示すフレーズを特定し、文の位置をセグメント境界として使用する。 このようなキューが不十分な場合には、キュー抽出時に推測されるドキュメント構造によって導かれるセマンティックセグメンテーションにフォールバックする。 6つのベンチマークと6つのLDMバックボーンで、CGSは既存のベースラインを一貫して上回り、騒がしいASRの書き起こしに対して堅牢であり、プロプライエタリなモデルに対するAPIコストの低いこれらの向上を実現している。

関連論文リスト

• Paragraph Segmentation Revisited: Towards a Standard Task for Structuring Speech [61.00008468914252]
  本稿では,音声処理とテキストセグメンテーションの交点における3つのギャップを埋める,欠落した構造化ステップとして,段落セグメンテーションを再考する。 ベンチマークは、伝統的に段落のセグメンテーションが後処理の一部ではない未調査の音声領域に焦点を当てている。 第二に、制約付き復号法を提案し、大言語モデルが原文を保存しながら段落を挿入できるようにする。 第三に、コンパクトモデル(MiniSeg)が最先端の精度を実現し、階層的に拡張されると、最小計算コストで章や段落を共同で予測できることが示される。
  論文  参考訳（メタデータ） (2025-12-30T23:29:51Z)
• Think Before You Segment: High-Quality Reasoning Segmentation with GPT Chain of Thoughts [64.93416171745693]
  ThinkFirstはトレーニング不要の推論セグメンテーションフレームワークである。 我々のアプローチでは、GPT-4oや他の強力なMLLMが画像の詳細なチェーン記述を生成することができる。 この要約された記述は、セグメンテーションプロセスを支援するために言語で指示されたセグメンテーションアシスタントに渡される。
  論文  参考訳（メタデータ） (2025-03-10T16:26:11Z)
• TreeSeg: Hierarchical Topic Segmentation of Large Transcripts [0.0]
  本稿では,市販の埋め込みモデルと分割クラスタリングを組み合わせるアプローチであるTreeSegを紹介し,バイナリツリーの形で,階層的で構造化された転写文のセグメンテーションを生成する。 ICSIとAMIコーパスでTreeSegを評価し,すべてのベースラインを上回る性能を示した。 最後に,自己記録ビデオセッションから得られた手書き手書き文字の小さなコーパスであるTinyRecを紹介する。
  論文  参考訳（メタデータ） (2024-06-28T23:49:26Z)
• From Text Segmentation to Smart Chaptering: A Novel Benchmark for Structuring Video Transcriptions [63.11097464396147]
  音声コンテンツに焦点をあてた新しいベンチマークYTSegを導入し、その内容は本質的に非構造的であり、トポロジと構造的にも多様である。 また,高効率な階層分割モデルMiniSegを導入する。
  論文  参考訳（メタデータ） (2024-02-27T15:59:37Z)

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。