文献

J-GLOBAL ID：202102278609254082   整理番号：21A0445578

最大限界関連性を用いた冗長性を低減したフレーズ埋込みベースのマルチドキュメント要約【JST・京大機械翻訳】

Phrase Embedding Based Multi Document Summarization with Reduced Redundancy using Maximal Marginal Relevance

著者 (2件)： K Sakkaravarthy Iyyappan (National Institute of Technology,Department of Computer Applications,Tiruchirappalli,Tamil Nadu,India) ,  Balasundaram S.R. (National Institute of Technology,Department of Computer Applications,Tiruchirappalli,Tamil Nadu,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICELTICs  ページ： 1-5  発行年： 2020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： テキストデータの指数的増加による情報のインターネットEraにおいて,マルチ文書要約(MDS)は,複数の関連文書の主なアイデアの簡潔な表現を生成することを目指す不可避のNLPタスクになっている。MDSは,複数の著者の語彙多様性のため,非冗長な要約を生成するのが困難で挑戦的になる。本論文は,フレーズ埋込みと greedy欲なMaximal Marginal Revance(MMR)アルゴリズムに基づく新しいマルチ文書要約システムを提案した。このアプローチは,文章の基本的意味単位として語句を考慮し,文書を理解し,要約する。埋込み技術を用いて,語句のベクトル表現を学習し,意味的に類似語句を同定した。最後に,MMRベースの greedy欲アルゴリズムを使用して,類似フレーズ間の冗長性を減らす間,重要なフレーズを有する文章を選択した。ベンチマークデータセットDUC2004に関する実験結果は,最先端の基準線と比較して,より良い性能利得を示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  ベクトル ,  冗長性 ,  語彙 ,  同義語 ,  利得 ,  基準線 ,  インターネット
準シソーラス用語： 句 ,  フレーズ ,  テキストデータ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 限界 ,  関連性 ,  冗長性 ,  フレーズ ,  埋込み ,  マルチ ,  ドキュメント