教師なしマルチグラニュラリティ要約【JST・京大機械翻訳】

Zhong Ming; Liu Yang; Ge Suyu; Mao Yuning; Jiao Yizhu; Zhang Xingxing; Xu Yichong; Zhu Chenguang; Zeng Michael; Han Jiawei

プレプリント

J-GLOBAL ID：202202211561092864 整理番号：22P0281662

教師なしマルチグラニュラリティ要約【JST・京大機械翻訳】

Unsupervised Multi-Granularity Summarization

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (10件)： , , , , , , , , ,
資料名：
発行年： 2022年01月29日プレプリントサーバーでの情報更新日： 2022年12月13日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

テキスト要約は,ユーザ参照ベースタスク,すなわち1つの文書のために,ユーザはしばしば要約のために異なる優先度を持つ。要約におけるカスタマイズの重要な側面として,粒度を用いて,要約とソース文書の間の意味的範囲を測定した。しかしながら,カスタマイズ可能な意味カバレージを有する要約を生成することができる開発システムは,まだ未開発トピックである。本論文では,最初の教師なしマルチ粒状性要約フレームワーク,GranuSumを提案した。ソース文書の基本意味単位としてイベントを取り上げ,それらの事象をそれらの sal事によってランク付けすることを提案する。また,アンカーとヒントとして与えられたイベントを持つ入力文書を要約するためのモデルを開発した。異なる数の事象を入力することにより,GranuSumは教師なし方法で多粒状要約を生成することができる。一方,各文書クラスタに対して異なる粒状性で複数の要約を含む新しいベンチマークGranuDUCを注釈した。実験結果は,強い基準線上の多粒状性要約に関するGranuSumの実質的な優位性を確認した。さらに,事象情報を利用することにより,GranuSumは従来の教師なし抽象設定の下で最先端の性能を示した。本論文のデータセットは,https://github.com/maszhongming/GranuDUCで見つけることができる。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , 【Automatic Indexing@JST】

情報加工一般 , 自然語処理

前のページに戻る