文献

J-GLOBAL ID：201702211768028284   整理番号：17A1393601

長いテキスト要約のための抽出と抽象的モデルの統合【Powered by NICT】

Integrating Extractive and Abstractive Models for Long Text Summarization

著者 (5件)： Wang Shuai ,  Zhao Xiang ,  Li Bo ,  Ge Bin ,  Tang Daquan
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BigData Congress  ページ： 305-312  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： インターネット上の情報の爆発的な成長は,情報収集の効率を改善するためにますます重要になっている。自動テキスト要約は,圧縮および微細化による情報の迅速な収集のための良好な手段を提供する。自動テキスト要約のための既存の方法は,短い配列に洗練された性能を達成するが,長いテキストを扱うとき,これらは低効率と精度の挑戦に直面している。本論文では,長いテキスト要約,すなわち,EA LTSに対する2相アプローチを提案した。抽出相では,文ベクトルとLevenshtein距離を組み合わせてハイブリッド文章類似性測度を考案し,その重要文を抽出するためのグラフモデルの中にそれを統合した。抽象化相では,リカレントニューラルネットワークに基づく符号器-復号器を構築し,要約を生成するポインタと注意メカニズムを考案した。現実の長いテキストコーパス,sina.comで採取された著者らのモデルを試験し,実験結果は,提案した方法の精度と有効性,最先端の方法よりも優れていることを実証したを確認した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 情報収集 ,  復号器 ,  精密化 ,  類似性 ,  測度 ,  *インターネット ,  符号器 ,  ベクトル
準シソーラス用語： テキストコーパス ,  リカレントニューラルネットワーク ,  グラフモデル ,  重要文 ,  編集距離 ,  *テキスト ,  *テキスト要約 , 【Automatic Indexing@JST】

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (3件)： テキスト要約 ,  モデル ,  統合