L'utilisation de schémas de discours pour améliorer la pertinence et la cohérence discursive dans le cadre du résumé automatique de blogs
Notice bibliographique
Résumé
Question irrelevance and discourse incoherence are important and typical problems in multi-document summarization especially when dealing with informal and opinionated texts. To address these two issues, we propose a domain-independent query-based summarization approach for opinionated documents that uses intra-sentential discourse structures in the framework of schemata. We have developed a generic domain-independent schema-based approach that selects the most appropriate text schema to answer specific types of questions. The schemata define the content and the organization of summaries based on the discourse relations present in candidate sentences. To decide which candidate sentences should be included in the final summary and where, each sentence is automatically tagged with the rhetorical predicates it conveys and allowed to fill a slot of the schema. Finally post-schema heuristics that work at the inter-sentence level are used to improve coherence further. To validate our approach, we have built a system named BlogSum and have evaluated its performance for question relevance and coherence using two datasets: blogs and reviews. ROUGE scores show that our approach is effective at reducing question irrelevant sentences and a manual evaluation shows a significant improvement in question relevance and coherence compared to the original candidate list. These results indicate that the use of discourse relations combined with text schemas can effectively reduce question irrelevance and discourse incoherence even with informal and opinionated documents.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».