Dec, 2022

芬兰语事实新闻标题的自动生成

PDF
TL;DR我们提出了一种新颖的方法，以生成针对给定新闻事件的芬兰语新闻标题为主，通过构建一个模型，该模型使用多个语料库训练，在一个巨大的新闻语料库的帮助下，对其进行微调以进行标题生成任务，并由 3 名芬兰媒体机构的专业记者进行评估，结果表明所提出的方法在作为新闻生产过程中的标题建议工具方面具有可用性。
news headlinesfinnishsummarizationgpt-2 modelsheadline generation
发现论文，激发创造
  • 生成新闻故事的代表性标题

    试图在不使用人工标注的情况下通过在不同级别上同时使用多个类型的未标注语料库和自投票方法对新闻报道进行标题生成的研究。

    Jan, 2020

  • 一个用于命名实体识别的芬兰新闻语料库

    本文提供一份芬兰新闻文章语料库，其中包含 953 篇来自 Digitoday 技术新闻平台的文章（共 193742 个单词标记），其中涵盖六种命名实体类别；并对该语料库在两个测试集中使用基于规则与两种深度学习系统进行了基础实验。

    Aug, 2019

  • 用于标题生成的自我注意力模型

    使用最新的 Universal Transformer architecture 和 byte-pair encoding 技巧，对新闻标题生成任务进行了优化，取得了新的最佳 ROUGE-L F1 分数 24.84 和 ROUGE-2 F1 分数 13.48，并提出了新的 RIA 语料库并在其上达到 ROUGE-L F1 分数 36.81 和 ROUGE-2 F1 分数 22.15。

    Jan, 2019

  • JUCBNMT 在 WMT2018 新闻翻译任务中的表现：基于字符的芬兰语到英语神经机器翻译

    该论文描述了用于 WMT 2018 新闻翻译任务的系统，它使用了基于字符的神经机器翻译模型，进行从芬兰语到英语的新闻文本翻译，并获得了 12.9 的 BLEU 分数。

    Aug, 2019

  • 针对芬兰语的问答和问题生成

    本文介绍了使用现代神经模型进行问答系统和问生成任务的最新研究成果，并首次将其用于芬兰语语言处理任务，通过自动翻译 SQuAD 数据集并使用规范化方法减少问题数据，我们成功训练出了一系列的 transformer-based 模型，实现了问答系统和问生成任务，是芬兰语 QA/QG 资源研究的首次尝试，同时为芬兰语问答领域确立了初步基准。

    Nov, 2022

  • 赫尔辛基大学参加 WMT19 新闻翻译任务

    该研究采用数据过滤方法清洗训练数据，运用句子级和文档级翻译方法进行英德文翻译，针对芬兰语和英语采用不同的分割方法并结合基于规则的系统进行英芬文翻译。

    Jun, 2019

  • TeClass：一个基于人工标注的基于相关性的头条分类和生成的泰卢固语数据集

    提供了第一份人工标注的泰卢固语新闻标题分类数据集（TeClass），包括 78,534 个注释和 26,178 个文章 - 标题对。通过使用 TeClass 数据集微调各种标题生成模型，对高度相关的文章 - 标题对微调的模型生成的头条显示增加了大约 5 个 ROUGE-L 分数点。为了激励未来的研究，标注数据集和标注指南将公开提供。

    Apr, 2024

  • NoticIA：一份西班牙语的点击诱骗文章摘要数据集

    NoticIA 是一项数据集，其中包含 850 篇西班牙新闻文章，配有高质量的单句生成摘要，用于评估大型语言模型对西班牙文本的理解能力，并用于训练 ClickbaitFighter 模型，该模型在这一任务上达到接近人类水平的表现。

    Apr, 2024

  • 标题中的钩子：学习使用受控样式生成标题

    本研究提出了一种新的任务 —— 文体标语生成（SHG），通过将摘要和重构任务组合成一个多任务框架以及新颖的参数共享方案，为文摘添加了三个样式选项（幽默、浪漫和点击量讹诈），从而吸引更多读者。通过自动和人工评估，我们证明了 TitleStylist 可以生成具有幽默、浪漫和点击量诱导效果的标题。我们的模型生成的标题吸引力评分超过了现有技术的摘要模型 9.68％，甚至超过了人工编写的参考标题。

    Apr, 2020

  • 标题诊断：内容农场标题的操纵

    该研究基于卷积神经网络开发了一个标题分类器，主要通过调查标题的词语分割、词性标注和情感特征等关键因素，以确定新闻文章的可信度，并将这些特征集成到分类模型中。经过实验证明，该模型的准确度可达到 93.99%。

    Apr, 2022