文献

J-GLOBAL ID：201902278749468690   整理番号：19A2444171

圧縮要約に対する教師なし制約付き最適化アプローチ【JST・京大機械翻訳】

An unsupervised constrained optimization approach to compressive summarization

著者 (4件)： Vanetik Natalia (Department of Software Engineering, Shamoon College of Engineering, Beer Sheva, Israel) ,  Litvak Marina (Department of Software Engineering, Shamoon College of Engineering, Beer Sheva, Israel) ,  Churkin Elena (Department of Software Engineering, Shamoon College of Engineering, Beer Sheva, Israel) ,  Last Mark (Department of Software and Information Systems Engineering, Ben Gurion University of the Negev, Beer Sheva, Israel)
資料名： Information Sciences  (Information Sciences)
巻： 509  ページ： 22-35  発行年： 2020年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 自動要約は,あらかじめ定義された数の単語を用いてテキスト文書から可能な限り多くの情報を選択することを目的としている。完全文を要約に抽出することは,いくつかの文章に含まれる冗長情報によりこの問題を解決するための最適な方法ではない。冗長情報を取り除いて,圧縮文章からの要約を編集することは,より正確な結果を提供しなければならない。圧縮アプローチのMajor課題には,教師つき方法の訓練,圧縮文章の言語品質,関連コンテンツの被覆率,および圧縮手順の時間複雑性のための大規模要約コーパスを作成するコストが含まれる。本研究では,教師なし多項式時間圧縮要約アルゴリズムを提案することにより,これらの課題に取り組むことを試みた。提案したアルゴリズムは,元の文章から冗長部分を反復的に除去する。それは,それらのサブツリー(フレーズのために立っている)から基本的なdis話ユニット(EDU)を作り出すために,構成ベースの構文木と手craのルールを使用して,十分なツリー利得を有するものを選択する。著者らは,そのノード重みの重みづけ関数として構文木利得を定義し,それを,重要度重みを項に割り当てることができる任意の抽出要約モデルによって計算することができた。単一文書要約タスクに関する自動評価の結果は,提案した文章圧縮手順が生成した要約における冗長情報を避けるのに役立つことを確認した。さらに,人間の評価の結果は,可読性とコヒーレンスに関する言語的品質が,それらの範囲を改善しながら圧縮された要約に保存されていることを確認した。しかしながら,同じ評価は,一般的に圧縮が圧縮文章の文法的な正当性を持つことを示しているが,ほとんどの場合において,この効果は提案した圧縮手順に対して重要ではない。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コーパス ,  モデル ,  品質 ,  利得 ,  アルゴリズム ,  *冗長性 ,  単語 ,  可読性 ,  コンテンツ ,  多項式 ,  コヒーレンス ,  言語
準シソーラス用語： 自動評価 ,  部分木 ,  複雑性 , 【Automatic Indexing@JST】

著者キーワード (3件)： 圧縮要約 ,  予算文圧縮 ,  ポリトープモデル

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 教師 ,  制約 ,  最適化