文献

J-GLOBAL ID：202002280475853633   整理番号：20A2723781

人間設計トピックラベルによるデータ対文書生成におけるコンテンツの制御【JST・京大機械翻訳】

Controlling contents in data-to-document generation with human-designed topic labels

著者 (17件)： Aoki Kasumi (Ochanomizu University, Japan) ,  Aoki Kasumi (National Institute of Advanced Industrial Science and Technology, Japan) ,  Miyazawa Akira (The Graduate University for Advanced Studies, Japan) ,  Miyazawa Akira (National Institute of Informatics, Japan) ,  Miyazawa Akira (National Institute of Advanced Industrial Science and Technology, Japan) ,  Ishigaki Tatsuya (National Institute of Advanced Industrial Science and Technology, Japan) ,  Aoki Tatsuya (Tokyo Institute of Technology, Japan) ,  Aoki Tatsuya (National Institute of Advanced Industrial Science and Technology, Japan) ,  Noji Hiroshi (National Institute of Advanced Industrial Science and Technology, Japan) ,  Goshima Keiichi (Waseda University, Japan) ,  Goshima Keiichi (National Institute of Advanced Industrial Science and Technology, Japan) ,  Takamura Hiroya (Tokyo Institute of Technology, Japan) ,  Takamura Hiroya (National Institute of Advanced Industrial Science and Technology, Japan) ,  Miyao Yusuke (The University of Tokyo, Japan) ,  Miyao Yusuke (National Institute of Advanced Industrial Science and Technology, Japan) ,  Kobayashi Ichiro (Ochanomizu University, Japan) ,  Kobayashi Ichiro (National Institute of Advanced Industrial Science and Technology, Japan)
資料名： Computer Speech and Language  (Computer Speech and Language)
巻： 66  ページ： Null  発行年： 2021年 
JST資料番号： T0677A  ISSN： 0885-2308  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ニューラル言語モデルに基づく出力テキストのコンテンツを容易に制御できるデータ-文書生成器を提案する。従来のデータ-テキストモデルは,事前に抽出した重要な部分を記述するので,読者がデータの大域的要約を追求する場合に有用である。しかし,ユーザからユーザとは異なっているので,ユーザの要求に応じて様々な要約を生成する方法を開発する必要がある。著者らは,様々な要約を生成し,そのコンテンツを,制御可能因子としてのモデルに対する明示的ターゲットを提供することにより,その内容を制御するモデルを開発した。実験では,時系列データとして9つの指標(例えば,Nikkei225)の5分または1時間チャート,およびテキストデータとしてNikkei Quick Newsの毎日の要約を用いた。2つの情報を用いて比較実験を行った:文の内容を示す人間設計トピックラベルと,生成のための参照情報として自動的にキーワードを抽出した。実験は,ターゲット文書の追加情報を用いた両方のモデルがBLEUと人間評価に関してより高い性能を達成することを示した。著者らは,人間設計トピックラベルが可制御性に関して抽出キーワードより優れていることを見出した。Copyright 2020 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： キーワード ,  可制御性 ,  比較試験 ,  *コンテンツ ,  言語モデル ,  時系列データ ,  再生器 ,  テキストデータ
準シソーラス用語： 自然言語生成 ,  閲覧者 , 【Automatic Indexing@JST】

著者キーワード (4件)： 自然言語生成 ,  データ対テキスト ,  時系列データ ,  トピック誘導可制御性

分類 (5件)： 情報加工一般  (AC05010A) ,  パターン認識  (JE07000S) ,  システム・制御理論一般  (IA02010H) ,  自然語処理  (JE06000L) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 人間 ,  設計 ,  トピック ,  ラベル ,  文書 ,  コンテンツ