文献

J-GLOBAL ID：202002233216741688   整理番号：20A2383758

質問焦点要約のための外部知識による比較集約モデル【JST・京大機械翻訳】

A Compare-Aggregate Model with External Knowledge for Query-Focused Summarization

著者 (6件)： Ya Jing (Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China) ,  Ya Jing (School of Cyber Security, University of Chinese Academy of Sciences, Beijing, China) ,  Liu Tingwen (Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China) ,  Liu Tingwen (School of Cyber Security, University of Chinese Academy of Sciences, Beijing, China) ,  Guo Li (Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China) ,  Guo Li (School of Cyber Security, University of Chinese Academy of Sciences, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12343  ページ： 68-83  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： クエリー焦点抽出要約は,質問関連性と冗長性に従って,元の文書から文章を選択することによって要約を作成することを目的とする。自然言語処理におけるニューラルネットワークモデルの最近の進歩によって,注意機構はテキスト要約タスクに取り組むために広く使われている。しかしながら,既存の方法は,常に,質問の意図を誤って,関連不整合を引き起こすと思われる粗粒文レベル注意に基づいている。上記の問題に取り組むために,著者らは,クエリ集中抽出要約システムに対して,微細粒および対話型単語ごとの注意を導入した。この方法で,質問の実意図を捉える。著者らは,アイデアを実装するためにCompare-Aggrateモデルを利用して,人間行動の双方向的意図的読解と思考をシミュレーションした。また,外部概念知識を利用して,モデルを豊かにし,質問と文書の間の表現ギャップを埋める。著者らの方法を評価するために,著者らは,DUC2005-2007クエリ集中要約ベンチマークデータセットに関する実験を行った。実験結果は,提案した方式が最先端技術より良い性能を達成することを証明した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 冗長性 ,  自然言語処理 ,  不整合 ,  *単語 ,  人間行動
準シソーラス用語： 神経回路網モデル ,  対話型 ,  クエリー ,  読解 ,  テキスト要約 , 【Automatic Indexing@JST】

著者キーワード (4件)： 質問焦点要約化 ,  抽出要約 ,  注意 ,  外部知識

分類 (2件)： 自然語処理  (JE06000L) ,  情報加工一般  (AC05010A)

タイトルに関連する用語 (5件)： 質問 ,  焦点 ,  知識 ,  集約 ,  モデル