Comparative sentence detection for comparative summarization using deep learning

Autor: Nyzam, Valentin
Přispěvatelé: Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Université de Tours, Université de Tours-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Sciencesconf.org, CCSD
Jazyk: francouzština
Rok vydání: 2021
Předmět:
Zdroj: Journées Informatiques en Région Centre-Val de Loire
Journées Informatiques en Région Centre-Val de Loire, Université de Tours, Oct 2021, Blois, France
Popis: Comparative summarization seek to compare and contrast important information from two sets of documents dealing with the same topic. This task adds a new understanding’s dimension by analyzing different scenarios at the same time. To generate such a summary, we present a new method for comparative sentence detection using deep learning. Due to the lack of available resources for this task, we built an evaluation corpus. On this corpus, our method shows the best results compared to a set of classical semantic similarity measures
Le résumé de comparaison a pour objectif de mettre en parallèle des informations comparatives et importantes de deux jeux de documents traitant d’une même thématique. Cela permet ainsi d’ajouter une nouvelle dimension de compréhension en analysant divers scénarios lors d’une même lecture. Dans le cadre de la génération d’un tel résumé, nous présentons une nouvelle méthode de détection de phrases comparatives utilisant l’apprentissage profond. En raison de l’absence de ressources disponibles pour cette tâche, nous avons composé un corpus d’évaluation. Sur ce corpus, notre méthode affiche les meilleurs résultats comparés à un ensemble de mesures de similarité sémantique classique.
Databáze: OpenAIRE