Expository Text Generation: Imitate, Retrieve, Paraphrase

要約

タイトル：Expository Text Generation: Imitate, Retrieve, Paraphrase

要旨：
– 研究者たちは、複雑な情報を読者に伝えるための説明文書が重要であると考えています。
– しかしながら、説明文書を手動で書くことは時間と労力がかかるため、ドメイン特有の知識、注意深い内容の計画、複数の情報源から情報を総合的にまとめる能力が必要です。
– このような負担を軽減するために、知識源から正確で情報豊富な説明文書を自動生成する「expository text generation」というタスクを導入しました。
– このタスクを解決するために、言語モデルの限界を克服し、コンテンツの計画、事実の選択、言い換えの3つのステップを個別に対処するイテレーティブなフレームワークであるIRPを開発しました。
– 3つの異なるデータセットでの実験を通じて、IRPが読者に正確な情報を提供する高品質な説明文書を生成することを示しました。

要約(オリジナル)

Expository documents are vital resources for conveying complex information to readers. Despite their usefulness, writing expository documents by hand is a time-consuming and labor-intensive process that requires knowledge of the domain of interest, careful content planning, and the ability to synthesize information from multiple sources. To ease these burdens, we introduce the task of expository text generation, which seeks to automatically generate an accurate and informative expository document from a knowledge source. We solve our task by developing IRP, an iterative framework that overcomes the limitations of language models and separately tackles the steps of content planning, fact selection, and rephrasing. Through experiments on three diverse datasets, we demonstrate that IRP produces high-quality expository documents that accurately inform readers.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI