抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
抽象的要約モデルは,通常,大量の一般的テキストで事前訓練され,次に,数十または数百の注釈付きサンプルで微調整される。しかしながら,意見要約において,参照要約と対になったレビューの大規模注釈データセットは利用可能ではなく,創造するのに高価である。これは,小データセットのオーバーフィッティングにロバストな微調整法を必要とする。さらに,一般的に事前訓練されたモデルは,顧客レビューの仕様に,また,微調整後には,非フルレンシーと意味誤りを伴う歩留まりの要約である。これらの問題に取り組むために,著者らは,著者らが示すように,ドメイン内知識を容易に保存できるアダプタに基づく効率的少数ショット法を利用した。全体のモデルを微調整する代わりに,擬似要約として開催レビューを用いて,非注釈付き顧客レビューの大規模コーパスに関するタスク特異的方法でアダプターとプレトレインを付加した。次に,小さな利用可能な人間注釈データセットにアダプタを微調整した。著者らは,この自己監督アダプタプレトレーニングが,アマゾンとYelpデータセットのそれぞれ2.0と1.3ROUGE-Lポイントによる標準微調整の要約品質を改善することを示した。最後に,要約個人化のために,著者らは,一般的データセットから自動的に作り出されるアスペクトキーワードクエリに関して条件付けした。同じ静脈において,著者らは,顧客レビューに関して質問ベースの方法でアダプタをプレトレインして,次に注釈付きデータセットに関してそれらを微調整した。これは,改善されたコヒーレンスとより少ない冗長性に反映されるより良い組織化された要約内容をもたらした。【JST・京大機械翻訳】