HyperAIHyperAI

Command Palette

Search for a command to run...

ScisummNet: 大規模アノテーションコーパスと引用ネットワークを用いた学術論文要約のためのコンテンツ影響モデル

Michihiro Yasunaga; Jungo Kasai; Rui Zhang; Alexander R. Fabbri; Irene Li; Dan Friedman; Dragomir R. Radev

概要

科学論文の要約は困難を伴う:大規模な注釈付きコーパスが利用できず、理想的には要約にその論文が研究コミュニティに与えた影響を含めるべきである。本稿では、これらの2つの課題に対する革新的な解決策を提供する。1) 計算言語学に関する科学論文のための最初の大規模手動注釈付きコーパスを開発し、公開することで、より迅速な注釈を可能にし、2) 著者の元々のハイライト(要旨)と論文がコミュニティに与えた実際の影響(引用)を統合する要約手法を提案し、包括的かつハイブリッドな要約を作成する。私たちは実験を行い、データ駆動型モデルの訓練における当該コーパスの効果と、当該ハイブリッド要約が要旨や従来の引用ベースの要約よりも優れていることを示した。私たちの大規模注釈付きコーパスとハイブリッド手法は、科学論文の要約研究において新しい枠組みを提供している。


AIでAIを構築

アイデアからローンチまで — 無料のAIコーディング支援、すぐに使える環境、最高のGPU価格でAI開発を加速。

AI コーディング補助
すぐに使える GPU
最適な料金体系

HyperAI Newsletters

最新情報を購読する
北京時間 毎週月曜日の午前9時 に、その週の最新情報をメールでお届けします
メール配信サービスは MailChimp によって提供されています