MARC

 008240612s2021      us  |||||||||||||||c||eng  d
■001000016931038
■00520240214095858
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798380618724
■035    ▼a(MiAaPQ)AAI28767878
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004
■1001  ▼aLaban,  Philippe.
■24510▼aUnsupervised  Text  Generation  and  Its  Application  to  News  Interfaces▼h[electronic  resource]
■260    ▼a[S.l.]:▼bUniversity  of  California,  Berkeley.  ▼c2021
■260  1▼aAnn  Arbor  :▼bProQuest  Dissertations  &  Theses,  ▼c2021
■300    ▼a1  online  resource(159  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-04,  Section:  A.
■500    ▼aAdvisor:  Hearst,  Marti  A.;Canny,  John.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Berkeley,  2021.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aRecent  progress  in  automated  text  generation  relies  predominantly  on  the  use  of  large  datasets,  sometimes  requiring  millions  of  examples  for  each  application  setting.  In  the  first  part  of  this  thesis,  we  advance  the  field  by  developing  novel  text  generation  methods  that  balance  the  goals  of  fluency,  consistency,  and  relevancy  without  requiring  any  training  data.  We  achieve  this  objective  on  tasks  such  as  text  summarization  and  simplification  by  directly  defining  a  multi-component  reward,  and  training  text  generators  to  optimize  this  objective.  The  novel  approaches  that  we  introduce  perform  better  than  all  existing  unsupervised  approaches  and  in  many  cases  outperform  those  that  rely  on  large  datasets.The  second  part  of  the  thesis  incorporates  text  generation  into  interfaces  to  help  news  readers  navigate  complex,  unfolding  news  topics.  We  build  a  novel  representation  of  news  stories  at  scale  and  integrate  new  summarization,  question  generation  and  question  answering  modules  into  a  chatbot  and  an  automated  interactive  podcast.  Human  evaluations  confirm  that  even  though  imperfect  systems  introduce  friction  for  the  user,  they  can  serve  as  powerful  tools  to  stimulate  reader  curiosity  and  help  readers  dive  deeper  into  unfolding  topics.
■590    ▼aSchool  code:  0028.
■650  4▼aComputer  science.
■650  4▼aMass  communications.
■650  4▼aComputer  engineering.
■653    ▼aHuman  computer  interaction
■653    ▼aNatural  language  processing
■653    ▼aNews  interfaces
■653    ▼aSimplification
■653    ▼aSummarization
■690    ▼a0800
■690    ▼a0984
■690    ▼a0464
■690    ▼a0708
■71020▼aUniversity  of  California,  Berkeley▼bElectrical  Engineering  &  Computer  Sciences.
■7730  ▼tDissertations  Abstracts  International▼g85-04A.
■773    ▼tDissertation  Abstract  International
■790    ▼a0028
■791    ▼aPh.D.
■792    ▼a2021
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16931038▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서