Descartes: Generating Short Descriptions of Wikipedia Articles

要約

ウィキペディアは、今日の Web 上で最も豊富な知識源の 1 つです。
ウィキペディアのガイドラインでは、コンテンツのナビゲーション、検索、および維持を容易にするために、すべての記事に、記事のトピックを示すいわゆる短い説明を付けて注釈を付ける必要があると述べています (たとえば、ビールの短い説明は「発酵した穀物から作られたアルコール飲料」です)。
‘)。
それにもかかわらず、大部分の記事 (オランダ語の 10.2% からカザフ語の 99.7% までの範囲) にはまだ簡単な説明がなく、何百万人ものウィキペディア ユーザーに有害な影響を与えています。
この問題に動機付けられて、ウィキペディアの記事の短い説明を自動的に生成するという新しいタスクを導入し、それに取り組むための多言語モデルであるデカルトを提案します。
デカルトは、ターゲット言語で記事の説明を生成するために、3 つの情報源を統合します。すべての言語バージョンでの記事のテキスト、他の言語での記事の既存の説明 (存在する場合)、および言語から取得したセマンティック タイプ情報です。
ナレッジグラフ。
25 の言語を同時に処理するようにトレーニングされたデカルト モデルを評価し、ベースライン (強力な翻訳ベースのベースラインを含む) を上回り、特定の言語用に調整された単一言語モデルと同等のパフォーマンスを発揮することを示しました。
3 つの言語で人間が評価したところ、デカルトの記述の質は、人間が書いた記述の質とほとんど区別がつかないことがさらに示されました。
たとえば、私たちの英語の説明の 91.3% (人間が書いた説明の 92.1% に対して) は、ウィキペディアに含める基準を通過しています。これは、デカルトが生産の準備ができており、人間の編集者が今日のウィキペディアの大きなギャップを埋めるのをサポートする可能性があることを示唆しています。
言語間で。

要約(オリジナル)

Wikipedia is one of the richest knowledge sources on the Web today. In order to facilitate navigating, searching, and maintaining its content, Wikipedia’s guidelines state that all articles should be annotated with a so-called short description indicating the article’s topic (e.g., the short description of beer is ‘Alcoholic drink made from fermented cereal grains’). Nonetheless, a large fraction of articles (ranging from 10.2% in Dutch to 99.7% in Kazakh) have no short description yet, with detrimental effects for millions of Wikipedia users. Motivated by this problem, we introduce the novel task of automatically generating short descriptions for Wikipedia articles and propose Descartes, a multilingual model for tackling it. Descartes integrates three sources of information to generate an article description in a target language: the text of the article in all its language versions, the already-existing descriptions (if any) of the article in other languages, and semantic type information obtained from a knowledge graph. We evaluate a Descartes model trained for handling 25 languages simultaneously, showing that it beats baselines (including a strong translation-based baseline) and performs on par with monolingual models tailored for specific languages. A human evaluation on three languages further shows that the quality of Descartes’s descriptions is largely indistinguishable from that of human-written descriptions; e.g., 91.3% of our English descriptions (vs. 92.1% of human-written descriptions) pass the bar for inclusion in Wikipedia, suggesting that Descartes is ready for production, with the potential to support human editors in filling a major gap in today’s Wikipedia across languages.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google