Support vector machines for query-focused summarization trained and evaluated on pyramid data
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/87424
Tipus de documentReport de recerca
Data publicació2007-01
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
This paper presents the use of Support Vector Machines (SVM) to detect relevant information to be included in a queryfocused summary. Several classifiers are trained using pyramids of summary content
units information. The Mapping-Convergence algorithm is used with positive, unlabeled data, and a small set of negative seeds.
The SVMs are tested on two Document Understanding Conference (DUC) 2006 systems. The performance of the new approaches is compared with the original systems using the DUC 2005 corpus as
test data. For evaluation purposes, we also present an automatic method based on pyramid data with good correlation with other human or automatic procedures.
CitacióFuentes, M., Alfonseca, E., Rodríguez, H. "Support vector machines for query-focused summarization trained and evaluated on pyramid data". 2007.
Forma partLSI-06-42-R
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
R06-42.pdf | 114,7Kb | Visualitza/Obre |