文献

J-GLOBAL ID：202202222822549800   整理番号：22A1105245

変圧器を用いた自動化ニュース要約【JST・京大機械翻訳】

Automated News Summarization Using Transformers

著者 (4件)： Gupta Anushka (Delhi Technological University, New Delhi, India) ,  Chugh Diksha (Delhi Technological University, New Delhi, India) ,  Anjum (Delhi Technological University, New Delhi, India) ,  Katarya Rahul (Delhi Technological University, New Delhi, India)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 840  ページ： 249-259  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  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： オンラインで利用可能なテキストデータの量は,非常に速いペースで増加している。したがって,テキスト要約は不可欠になった。現代の推薦者とテキスト分類システムの殆どは膨大な量のデータを必要とする。長さの多い論文の精密でFluentしい要約を手動で作り出すことは,非常にタイヤと時間のかかるタスクである。したがって,データのための自動要約を生成し,機械学習モデルを訓練するためにそれを使用することは,これらのモデル空間と時間を効率的にするであろう。抽出要約と抽象要約は,要約を生成する2つの別々の方法である。抽出技術は元の文書から関連文を同定し,テキストからのみを抽出する。抽象的要約技法では,要約は元のテキストを解釈する後に発生するが,より複雑になる。本論文では,テキスト要約のための少数の変圧器アーキテクチャベース事前訓練モデルの包括的な比較を提示する。解析と比較のために,機械学習モデルによって生成された要約を評価および比較するために,要約および人間生成要約のために使用できるテキストデータを含むBBCニュースデータセットを使用した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *変圧器 ,  *自動化 ,  分類 ,  タイヤ ,  抽出 ,  自然言語処理 ,  抄録作業 ,  文章 ,  抽象 ,  *ニュース ,  文書 ,  機械学習
準シソーラス用語： テキスト分類 ,  オンライン ,  テキスト要約 ,  深層学習 ,  テキストデータ , 【Automatic Indexing@JST】

著者キーワード (4件)： 自然言語処理 ,  深層学習 ,  要約 ,  変圧器

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 (3件)： 変圧器 ,  自動化 ,  ニュース