文献

J-GLOBAL ID：202202224247623370   整理番号：22A0707780

LSTMと注意ベースLSTMを用いた記事のテキスト要約【JST・京大機械翻訳】

Text Summarization of Articles Using LSTM and Attention-Based LSTM

著者 (4件)： Kumar Harsh (Department of Computer Science and Engineering, Sikkim Manipal Institute of Technology, Sikkim Manipal University, Gangtok, Sikkim, India) ,  Kumar Gaurav (Department of Computer Science and Engineering, Sikkim Manipal Institute of Technology, Sikkim Manipal University, Gangtok, Sikkim, India) ,  Singh Shaivye (Department of Computer Science and Engineering, Sikkim Manipal Institute of Technology, Sikkim Manipal University, Gangtok, Sikkim, India) ,  Paul Sourav (Department of Computer Science and Engineering, Sikkim Manipal Institute of Technology, Sikkim Manipal University, Gangtok, Sikkim, India)
資料名： Smart Innovation, Systems and Technologies  (Smart Innovation, Systems and Technologies)
巻： 269  ページ： 133-145  発行年： 2022年 
JST資料番号： W5072A  ISSN： 2190-3018  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： 本研究は,要約が2つのタイプ(抽出と抽象要約)に大まかに分類される最終要約に整理された情報の新規性に依存して,論文のテキスト要約を行うためのモデルの開発に焦点を当てた。今日の速い容量の社会では,ほとんどの人々は,時間が不足しているため,むしろ広範囲であると考えられている。したがって,本論文の短い概観は,読者を読むための読者を奨励するだけでなく,もしそのトピックが興味があるならば,それはまた,それらに深く行くことを可能にした。その結果,本研究は,提案モデルとこの研究ギャップを埋めることを意図した。最初に,本研究では,参照RNNモデルを開発し,その精度を試験した。要約は,多くの実際の用語を失い,全体的意味を縮小し,混乱させ,従って,同じようにLSTMモデルを構築し,3つの異なるデータセットでそれを試験することを決定した。第1の実験は,小さなデータセットで行われ,一方,第2の実験は,LSTMをそれに適用することによって,比較的大きいデータセットで行われる。既存モデルと全てのモデルの精度を比較することにより,提案したLSTMモデルに注意層を持つ大きなデータセットを選択し,そして,ROUGE計量を用いて評価し,世界に提案した解決策を証明することにより,提案したLSTMモデルに対する大きなデータセットを選択することにより,このモデルを前進させ,改良することを決定した。さらに,将来の研究方向は,将来のScopeにおいて提供され,そして,提案モデルが将来において,より効率を達成できる方法に関するものである。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： 評価 ,  自然言語処理 ,  *抄録作業 ,  *モデル ,  神経回路網
準シソーラス用語： リカレントニューラルネットワーク ,  *テキスト要約 , 【Automatic Indexing@JST】

著者キーワード (7件)： リカレントニューラルネットワーク(RNN) ,  自然言語処理(NLP) ,  長期短期記憶(LSTM) ,  Gisting評価(ROUGE)のためのリコール指向下研究 ,  注意層 ,  抽出要約 ,  抽象的要約化

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： LSTM ,  注意 ,  記事 ,  テキスト要約