Cross-Modal Commentator : Automatic Machine Commenting Based on Cross-Modal Information

Pengcheng Yang; Zhihan Zhang; Fuli Luo; Lei Li; Chengyang Huang; Xu Sun

doi:10.18653/v1/P19-1257

Cross-Modal Commentator : Automatic Machine Commenting Based on Cross-Modal Information Name ምርጫዎች Comment KCharselect unicode block name Comment ProgressBarUpdates Name Comment Comment Cross- Model Comment Name 跨模态评论员:模态跨机器论

Pengcheng Yang, Zhihan Zhang, Fuli Luo, Lei Li, Chengyang Huang, Xu Sun

Abstract

Automatic commenting of online articles can provide additional opinions and facts to the reader, which improves user experience and engagement on social media platforms. Previous work focuses on automatic commenting based solely on textual content. However, in real-scenarios, online articles usually contain multiple modal contents. For instance, graphic news contains plenty of images in addition to text. Contents other than text are also vital because they are not only more attractive to the reader but also may provide critical information. To remedy this, we propose a new task : cross-model automatic commenting (CMAC), which aims to make comments by integrating multiple modal contents. We construct a large-scale dataset for this task and explore several representative methods. Going a step further, an effective co-attention model is presented to capture the dependency between textual and visual information. Evaluation results show that our proposed model can achieve better performance than competitive baselines.

Abstract

Outomatiese kommentaar van aanlyn aktikels kan addisionele besonderhede en fakte aan die leser verskaf, wat gebruiker erfaring en aantekening op sosiale media platforme verbeter. Vorige werk fokus op outomatiese kommentaar gebaseer slegs op tekstuele inhoud. Maar, in reël- scenarios, aanlyn aktikels het gewoonlik veelvuldige modale inhoud bevat. Byvoorbeeld, grafiese nuus bevat baie beelde in byvoeg by teks. Inhoud ander as teks is ook vitaal omdat hulle nie slegs meer aantrekking is vir die leser nie, maar ook dalk mag kritiese inligting verskaf. Om dit te herstel, voorstel ons 'n nuwe taak: kruismodel automatiese kommentaar (CMAC), wat doel om kommentaar te maak deur veelvuldige modaal inhoud te integreer. Ons konstrukteer 'n groot skaal datastel vir hierdie taak en ondersoek verskeie reprezentante metodes. Om 'n stap verder te gaan, word 'n effektief koerensiemodel voorgeskryf om die afhanklikheid tussen tekstuul en visuele inligting te vang. Evalueringsresultate wys dat ons voorgestelde model beter produksie kan bereik as mededingsbasisline.

Abstract

የኢንተርኔት ጽሑፎች አስተያየት በማስተካከል ማኅበራዊ ሚዲያ መድረክ ላይ የሚያሳድገውን የተጠቃሚውን እውቀት እና ማግባት የሚችሉትን አካባቢ እና እውነተኞችን ለማድረግ ይችላል፡፡ የቀድሞው ስራ በጽሑፍ ውይይት ላይ በተደረገ ማሳየት በራሱ ማሳየት ላይ ይክሰዋል፡፡ ነገር ግን በመስመር ላይ የኢንተርኔት ጽሑፎች በተለየ ብዙዎች በሞዴል ውስጥ ይኖራሉ፡፡ ለምሳሌ፣ የግራፊክ ዜና ጽሑፍ በተጨማሪው ብዙ ምስሎች አለ፡፡ ከጽሑፍ ሌላ ይዞታዎች ደግሞ አስፈላጊ ናቸው፡፡ ለዚህ ለመፈጸም አዲስ ስራ አዲስ ማድረግ እናስጀጋለን፤ የክፍል-ምሳሌ ራሱ አስተያየት (CMAC) ነው፡፡ ለዚህ ስራ ትልቅ ዳታዎችን መሥራት እና ብዙ ተሟጋቾች ሥርዓቶችን እንፈልጋለን፡፡ በጥምቀት እና የዓይነት መረጃዎች መካከል የታመነውን ጥቅም ለመያዝ የሚችል ጥያቄ ማድረግ ነው፡፡ የውጤት ውጤቶች በተቃዋሚ መሠረት ላይ የሚሻለውን ሞዴል እንዲያገኝ ያሳያል፡፡

Abstract

يمكن أن يوفر التعليق التلقائي للمقالات عبر الإنترنت آراء وحقائق إضافية للقارئ ، مما يحسن تجربة المستخدم والمشاركة على منصات وسائل التواصل الاجتماعي. يركز العمل السابق على التعليق التلقائي بناءً على المحتوى النصي فقط. ومع ذلك ، في السيناريوهات الواقعية ، تحتوي المقالات عبر الإنترنت عادةً على محتويات مشروطة متعددة. على سبيل المثال ، تحتوي الأخبار الرسومية على الكثير من الصور بالإضافة إلى النص. تعتبر المحتويات الأخرى بخلاف النص مهمة أيضًا لأنها ليست أكثر جاذبية للقارئ فحسب ، بل قد توفر أيضًا معلومات مهمة. لتصحيح ذلك ، نقترح مهمة جديدة: التعليق التلقائي عبر النماذج (CMAC) ، والتي تهدف إلى إبداء التعليقات من خلال دمج محتويات مشروطة متعددة. نقوم ببناء مجموعة بيانات واسعة النطاق لهذه المهمة واستكشاف عدة طرق تمثيلية. للمضي قدمًا ، يتم تقديم نموذج فعال للانتباه المشترك لالتقاط التبعية بين المعلومات النصية والمرئية. تظهر نتائج التقييم أن نموذجنا المقترح يمكن أن يحقق أداء أفضل من خطوط الأساس التنافسية.

Abstract

İnternet maddələrinin avtomatik komentasiyası oxuyan kişiyə artıq fikirlər və həqiqətlər təmin edə bilər ki, bu da istifadəçilərin təcrübəsini və sosyal media platformlarında istifadə edər. Əvvəlki işin yalnız textual məzmunlarına dayanan automatic commenting üzərinə odaqlanır. Ancaq həqiqət senaryolarda, online məqamları genellikle çoxlu modal məzmunları içərir. Məsələn, grafik xəbərləri mətnin yanında çox şəkillər var. Mətndən başqa məlumatlar həmçinin mövcuddur, çünki onlar oxuyucu üçün sadəcə daha məcburiyyətli deyillər, həmçinin də kritik məlumatları təmin edə bilər. Bunu düzəltmək üçün yeni bir işə təklif edirik: çoxlu modal məzmunlarını birləşdirərək çoxlu şəkillər yaratmaq istəyirik. Biz bu işin böyük ölçüdə verilən quruluşu inşa edirik və bir neçə nümunə metodlarını keşfetirik. Bir adım daha artırmaq üçün, textual və visual məlumatların bağlılığını almaq üçün effektiv bir şəkil modeli göstərilir. Qıymet sonuçları göstərir ki, təklif edilmiş modellərimiz müəllif səhifələrindən daha xeyirli performansını başa düşə bilər.

Abstract

Автоматичното коментиране на онлайн статии може да предостави допълнителни мнения и факти на читателя, което подобрява потребителското преживяване и ангажираността в социалните медии платформи. Предишната работа се фокусира върху автоматичното коментиране, базирано единствено на текстово съдържание. Въпреки това, в реални сценарии онлайн статиите обикновено съдържат мултимодално съдържание. Например графичните новини съдържат много изображения в допълнение към текста. Съдържанието, различно от текста, също е жизненоважно, тъй като те не само са по-привлекателни за читателя, но и могат да предоставят критична информация. За да се поправи това, предлагаме нова задача: кръстосано моделно автоматично коментиране (което има за цел да прави коментари чрез интегриране на мултимодално съдържание. Изграждаме мащабен набор от данни за тази задача и изследваме няколко представителни метода. С една крачка по-нататък е представен ефективен модел на съвместно внимание, който улавя зависимостта между текстова и визуална информация. Резултатите от оценката показват, че предлаганият модел може да постигне по-добри резултати от конкурентните базови линии.

Abstract

অনলাইন প্রবন্ধের স্বয়ংক্রিয়ভাবে মন্তব্য করে পাঠকের কাছে আরো মতামত এবং সত্য প্রদান করতে পারে, যা ব্যবহারকারীদের অভিজ্ঞতা এবং সামাজিক পূর্ববর্তী কাজ স্বয়ংক্রিয় মন্তব্যের উপর মনোযোগ দিয়েছে শুধুমাত্র টেক্সুয়াল বিষয়বস্তুর উপর। তবে বাস্তবতায় অনলাইন প্রবন্ধগুলো সাধারণত বেশ কয়েকটি মোডাল বিষয়বস্তু রয়েছে। উদাহরণস্বরূপ, টেক্সট ছাড়াও গ্রাফিক সংবাদ অনেক ছবি আছে। Contents other than text are also vital because they are not only more attractive to the reader but also may provide critical information. এটা সমাধানের জন্য আমরা একটি নতুন কাজের প্রস্তাব করছি: ক্রাস-মডেল স্বয়ংক্রিয়ভাবে মন্তব্য (সিএমসি) যার লক্ষ্য হচ্ছে বেশ কয়েকটি মডেল বি আমরা এই কাজের জন্য বিশাল পরিমাণ তথ্য নির্মাণ করি এবং বেশ কয়েকটি প্রতিনিধি পদ্ধতি খুঁজে বের করি। আরো একটি পদক্ষেপ যাচ্ছে, একটি কার্যকর সাথে মনোযোগ মোডেল প্রদর্শন করা হয়েছে টেক্সচুয়াল এবং দৃশ্য তথ্যের মধ্যে নির্ভর করা প্রস্তাবিত মডেল প্রতিযোগিতার বেসেলাইনের চেয়ে ভালো প্রদর্শন করতে পারে।

Abstract

དྲ་ཐོག་གི་ཡིག་ཆ་རང་འགུལ་གྱིས་གསལ་བཤད་པ་ནི་ཀློག་འཇུག་པ་ལ་བསམ་བློ་གཏོང སྔོན་གྱི་ལས་འགུལ་གྱིས་རང་འགུལ་གྱི་མཆན་བཤད་ནི་ཡི་གེའི་ནང་དོན་ཐོག་ལས་གཏན་ཁེལ་བྱེད་པ ཡིན་ནའང་། དྲ་ཐོག་གི་གནས་སྟངས་དངོས་ཡིག་ཚན་ནང་དུ་རྣམ་པ་འདྲ་བའི་ནང་དོན་མང་ཙམ་ཡོད་པ དཔེར་ན། ཚད་རིས་བརྡ་ཞིག་ཡི་གེ་ཐོག་ཏུ་བརྙན་རིས་མང་པོ་ཡོད་པ ཚིག་ཡིག་ལས་གཞན་པའི་ནང་དོན་ཡིག To remedy this, we propose a new task: cross-model automatic commenting (CMAC), which aims to make comments by integrating multiple modal contents. By integrating multiple modal contents ང་ཚོས་བྱ་རིམ་འདིའི་དོན་ལ་ཆེ་ཆུང་བའི་ཆ་འཕྲིན་ཡིག་ཆ་ཤིག་འཛུགས་བྱས་ནས་རྩ་སྒྲིག ད་ལྟ་མ་མཐུན་པའི་གྲལ་ཐེངས་གཅིག་ལས་སྐྱེལ་བ་དང་མཐོང་ནུས་པའི་མཉམ་སྡུད་ཀྱི་དཔེ་བརྗོད་ཡོད་པ་དེ་ཚོར་ཡིག་དང་མཐ རྒྱལ་ཁབ་ཀྱི་དཔྱད་ཚད་ནི་ང་ཚོའི་མ་དབྱིབས་སྔོན་འཛུགས་ཀྱི་ཐབས་ལམ་གྱིས་རྒྱལ་ཁབ་གཟུགས་འབྲི་བའི་གྲལ་ལས་

Abstract

Automatski komentar online članaka može pružiti dodatne mišljenje i činjenice čitaču, što poboljšava iskustvo korisnika i učešće na platformama društvenih medija. Prethodni rad se fokusira na automatsku komentaciju zasnovanu samo na tekstualnom sadržaju. Međutim, u stvarnim scenarijama, online članak obično sadrži više modalnog sadržaja. Na primjer, grafičke vijesti sadrže dosta slika osim teksta. Sadržaj osim teksta također je vitalni jer ne samo privlačniji čitaču, nego također mogu pružiti kritične informacije. Da bi to riješili, predlažemo novi zadatak: premodelna automatska komentacija (CMAC), čija je cilj da napravi komentare integriranjem višestrukog sadržaja modal a. Napravljamo veliku skupinu podataka za ovaj zadatak i istražujemo nekoliko predstavnih metoda. Pokrenući dalje korak, predstavlja se efikasni model saradnje pažnje kako bi uhvatila zavisnost između tekstualne i vizuelne informacije. Rezultati procjene pokazuju da naš predloženi model može postići bolji učinkovit nego konkurentne osnovne linije.

Abstract

El comentari automàtic d'articles en línia pot proporcionar opinions i fets adicionals al lector, que millora l'experiència dels usuaris i la participació en plataformes de mitjans socials. La feina anterior es centra en comentaris automàtics basats només en continguts textuals. Però en escenaris reals, els articles en línia normalment contenen múltiples continguts modals. Per exemple, les notícies gràfiques contén moltes imatges a més del text. Els continguts més enllà del text també són vitals perquè no només són més atractius per al lector, sinó també poden proporcionar informació crítica. Per a resoldre això, proposem una nova tasca: comentari automàtic transmodel (CMAC), que té l'objectiu de fer comentaris integrant múltiples continguts modals. Construim un conjunt de dades a gran escala per a aquesta tasca i explorem diversos mètodes representatius. Si avancem un pas més enllà, es presenta un model eficaç de coatenció per capturar la dependència entre la informació textual i visual. Evaluation results show that our proposed model can achieve better performance than competitive baselines.

Abstract

Automatické komentování online článků může čtenáři poskytnout další názory a fakta, což zlepšuje uživatelskou zkušenost a angažovanost na platformách sociálních médií. Předchozí práce se zaměřuje na automatické komentování založené výhradně na textovém obsahu. V reálných scénářích však online články obvykle obsahují více modálních obsahů. Například grafické zprávy obsahují kromě textu spoustu obrázků. Jiný obsah než text je také důležitý, protože je nejen atraktivnější pro čtenáře, ale také může poskytnout kritické informace. Abychom to napravili, navrhujeme nový úkol: cross-modelové automatické komentování (CMAC), jehož cílem je vytvářet komentáře integrací více modálních obsahů. Pro tento úkol sestavíme rozsáhlý datový soubor a zkoumáme několik reprezentativních metod. O krok dále je prezentován efektivní model co-pozornosti, který zachytí závislost mezi textovými a vizuálními informacemi. Výsledky hodnocení ukazují, že náš navrhovaný model může dosáhnout lepšího výkonu než konkurenční základní linie.

Abstract

Automatisk kommentering af online artikler kan give læseren yderligere meninger og fakta, hvilket forbedrer brugeroplevelsen og engagementet på sociale medieplatforme. Tidligere arbejde fokuserer på automatisk kommentering baseret udelukkende på tekstindhold. Men i virkelige scenarier indeholder online artikler normalt flere modale indhold. For eksempel indeholder grafiske nyheder masser af billeder ud over tekst. Andre indhold end tekst er også afgørende, fordi de ikke blot er mere attraktive for læseren, men også kan give kritisk information. For at afhjælpe dette foreslår vi en ny opgave: automatisk kommentering på tværs af modeller (CMAC), som har til formål at fremsætte kommentarer ved at integrere flere modale indhold. Vi konstruerer et stort datasæt til denne opgave og undersøger flere repræsentative metoder. Når man går et skridt videre, præsenteres en effektiv co-opmærksomhedsmodel for at fange afhængigheden af tekst- og visuel information. Evalueringsresultater viser, at vores foreslåede model kan opnå bedre resultater end konkurrencedygtige basislinjer.

Abstract

Das automatische Kommentieren von Online-Artikeln kann dem Leser zusätzliche Meinungen und Fakten liefern, was die Benutzererfahrung und das Engagement auf Social-Media-Plattformen verbessert. Bisherige Arbeiten konzentrieren sich auf das automatische Kommentieren ausschließlich auf Textinhalte. In realen Szenarien enthalten Online-Artikel jedoch meist mehrere modale Inhalte. Zum Beispiel enthalten Graphic News neben Text viele Bilder. Auch andere Inhalte als Text sind wichtig, weil sie nicht nur für den Leser attraktiver sind, sondern auch wichtige Informationen liefern können. Um dies zu beheben, schlagen wir eine neue Aufgabe vor: modellübergreifendes automatisches Kommentieren (CMAC), das darauf abzielt, Kommentare durch Integration mehrerer modaler Inhalte zu machen. Für diese Aufgabe erstellen wir einen großen Datensatz und erforschen mehrere repräsentative Methoden. Um einen Schritt weiter zu gehen, wird ein effektives Co-Attention-Modell vorgestellt, um die Abhängigkeit zwischen textueller und visueller Information zu erfassen. Auswertungsergebnisse zeigen, dass unser vorgeschlagenes Modell bessere Leistungen erzielen kann als wettbewerbsfähige Baselines.

Abstract

Η αυτόματη υποβολή σχολίων σε διαδικτυακά άρθρα μπορεί να παρέχει πρόσθετες απόψεις και γεγονότα στον αναγνώστη, γεγονός που βελτιώνει την εμπειρία και τη συμμετοχή των χρηστών στις πλατφόρμες κοινωνικών μέσων. Η προηγούμενη εργασία επικεντρώνεται στην αυτόματη υποβολή σχολίων βασισμένη αποκλειστικά στο κείμενο. Ωστόσο, σε πραγματικά σενάρια, τα διαδικτυακά άρθρα περιέχουν συνήθως πολλαπλά περιεχόμενα. Για παράδειγμα, τα γραφικά νέα περιέχουν πολλές εικόνες εκτός από κείμενο. Τα περιεχόμενα εκτός από το κείμενο είναι επίσης ζωτικής σημασίας επειδή όχι μόνο είναι πιο ελκυστικά για τον αναγνώστη, αλλά μπορεί επίσης να παρέχουν κρίσιμες πληροφορίες. Για να αντιμετωπιστεί αυτό, προτείνουμε ένα νέο καθήκον: τη διασταυρούμενη αυτόματη σχολίαση (CMAC), η οποία στοχεύει στην υποβολή σχολίων ενσωματώνοντας πολλαπλά περιεχόμενα τρόπων. Κατασκευάζουμε ένα σύνολο δεδομένων μεγάλης κλίμακας για αυτό το έργο και εξερευνούμε διάφορες αντιπροσωπευτικές μεθόδους. Πηγαίνοντας ένα βήμα παραπέρα, παρουσιάζεται ένα αποτελεσματικό μοντέλο συνπροσοχής για να αποτυπώσει την εξάρτηση μεταξύ κειμένων και οπτικών πληροφοριών. Τα αποτελέσματα αξιολόγησης δείχνουν ότι το προτεινόμενο μοντέλο μπορεί να επιτύχει καλύτερη απόδοση από τις ανταγωνιστικές βάσεις.

Abstract

Los comentarios automáticos de artículos en línea pueden proporcionar opiniones y datos adicionales al lector, lo que mejora la experiencia del usuario y la participación en las plataformas de redes sociales. El trabajo anterior se centra en los comentarios automáticos basados únicamente en el contenido textual. Sin embargo, en escenarios reales, los artículos en línea suelen contener múltiples contenidos modales. Por ejemplo, las noticias gráficas contienen muchas imágenes además de texto. Los contenidos que no sean texto también son vitales porque no solo son más atractivos para el lector, sino que también pueden proporcionar información crítica. Para remediar esto, proponemos una nueva tarea: el comentario automático entre modelos (CMAC), que tiene como objetivo hacer comentarios mediante la integración de múltiples contenidos modales. Construimos un conjunto de datos a gran escala para esta tarea y exploramos varios métodos representativos. Para ir un paso más allá, se presenta un modelo de co-atención eficaz para captar la dependencia entre la información textual y visual. Los resultados de la evaluación muestran que nuestro modelo propuesto puede lograr un mejor rendimiento que las líneas de base competitivas.

Abstract

Veebiartiklite automaatne kommenteerimine võib anda lugejale täiendavaid arvamusi ja fakte, mis parandab kasutajakogemust ja sotsiaalmeedia platvormide kaasamist. Eelmine töö keskendub automaatsele kommenteerimisele, mis põhineb ainult tekstisisul. Reaalsetes stsenaariumides sisaldavad internetiartiklid tavaliselt mitmeliigilist sisu. Näiteks graafilised uudised sisaldavad lisaks tekstile palju pilte. Lisaks tekstile on oluline ka muu sisu, sest see ei ole mitte ainult lugejale atraktiivsem, vaid võib anda ka kriitilist teavet. Selle parandamiseks pakume välja uue ülesande: mudelitevahelise automaatse kommenteerimise (CMAC), mille eesmärk on esitada kommentaare mitmeliigilise sisu integreerimise kaudu. Loome selle ülesande jaoks suuremahulise andmekogumi ja uurime mitmeid representatiivseid meetodeid. Edasi minnes esitatakse tõhus kaastähelepanu mudel, et jäädvustada sõltuvus tekstilise ja visuaalse informatsiooni vahel. Hindamistulemused näitavad, et meie kavandatud mudel võib saavutada paremat tulemuslikkust kui konkurentsivõimelised lähtetasemed.

Abstract

توضیح خودکار از مقاله‌های آنلاین می‌تواند نظر و حقیقت اضافه‌ای را برای خواننده‌کننده پیشنهاد کند که تجربه‌های کاربر و مشارکت در platformهای رسانه‌های اجتماعی را بهبود می‌دهد. کار قبلی روی توضیح خودکار تمرکز می‌کند تنها روی محتوای متن. با این حال، در سناریو واقعی، مقاله‌های آنلاین معمولاً محتوای متعددی را دارند. برای مثال، اخبار گرافیک بسیاری از تصاویر در اضافه به متن وجود دارد. محتویات غیر از متن همچنین مهم است چون آنها فقط برای خواننده جذابی بیشتر نیستند بلکه ممکن است اطلاعات مهم را هم بدهند. برای اصلاح این کار، ما یک کار جدید پیشنهاد می‌کنیم: توضیح‌کننده‌های متوسط مدل خودکار (CMAC) که هدف دارد توضیح‌ها را با جمع کردن محتویات متوسط مدل انجام دهد. ما یک مجموعه داده‌های مقیاس بزرگ برای این کار ساختیم و چند روش نماینده را تحقیق می‌کنیم. برای گرفتن بستگی بین اطلاعات متن و دیده‌ای، یک مدل همکاری موثر نشان داده می‌شود. نتایج ارزیابی نشان می دهد که مدل پیشنهاد ما می تواند عملکرد بهتر از خطوط پایگاه رقابت را به دست آورد.

Abstract

Verkkoartikkeleiden automaattinen kommentointi voi antaa lukijalle lisämielipiteitä ja faktoja, mikä parantaa käyttäjäkokemusta ja sitoutumista sosiaalisen median alustoihin. Aiempi työ keskittyy automaattiseen kommentointiin, joka perustuu yksinomaan tekstisisältöön. Todellisissa skenaarioissa verkkoartikkelit sisältävät kuitenkin yleensä monimodaalista sisältöä. Esimerkiksi graafiset uutiset sisältävät runsaasti kuvia tekstin lisäksi. Myös muu sisältö kuin teksti on elintärkeää, koska se ei ole vain houkuttelevampi lukijalle, vaan se voi myös tarjota kriittistä tietoa. Tämän korjaamiseksi ehdotamme uutta tehtävää: cross-model automatic commenting (CMAC), jonka tavoitteena on kommentoida multimodaalisia sisältöjä integroimalla. Rakennamme tähän tehtävään laajan aineiston ja tutkimme useita edustavia menetelmiä. Askel pidemmälle, esitellään tehokas yhteiskäsittelymalli, joka kuvaa riippuvuutta tekstitiedon ja visuaalisen tiedon välillä. Arviointitulokset osoittavat, että ehdotetulla mallilla voidaan saavuttaa parempi suorituskyky kuin kilpailukykyiset lähtökohdat.

Abstract

Les commentaires automatiques d'articles en ligne peuvent fournir des opinions et des faits supplémentaires au lecteur, ce qui améliore l'expérience utilisateur et l'engagement sur les plateformes de réseaux sociaux. Les travaux précédents se concentraient sur le commentaire automatique basé uniquement sur du contenu textuel. Cependant, dans des scénarios réels, les articles en ligne contiennent généralement plusieurs contenus modaux. Par exemple, les actualités graphiques contiennent de nombreuses images en plus du texte. Les contenus autres que le texte sont également essentiels car ils sont non seulement plus attrayants pour le lecteur, mais peuvent également fournir des informations critiques. Pour y remédier, nous proposons une nouvelle tâche : le commentaire automatique cross-model (CMAC), qui vise à faire des commentaires en intégrant plusieurs contenus modaux. Nous créons un jeu de données à grande échelle pour cette tâche et explorons plusieurs méthodes représentatives. Pour aller plus loin, un modèle de co-attention efficace est présenté pour saisir la dépendance entre les informations textuelles et visuelles. Les résultats de l'évaluation montrent que le modèle que nous proposons peut atteindre de meilleures performances que les niveaux de référence concurrentiels.

Abstract

Féadfaidh tráchtaireacht uathoibríoch ar ailt ar líne tuairimí agus fíricí breise a sholáthar don léitheoir, rud a fheabhsaíonn taithí úsáideora agus rannpháirtíocht ar ardáin na meán sóisialta. Díríonn obair roimhe seo ar thráchtaireacht uathoibríoch atá bunaithe ar ábhar téacs amháin. I bhfíorchásanna, áfach, bíonn il-inneachar módúil in ailt ar líne. Mar shampla, tá neart íomhánna sa nuacht ghrafach chomh maith le téacs. Tá ábhair seachas téacs ríthábhachtach freisin mar ní hamháin go bhfuil siad níos tarraingtí don léitheoir ach go bhféadfadh siad faisnéis ríthábhachtach a sholáthar freisin. Chun é sin a chur ina cheart, molaimid tasc nua: tráchtaireacht uathoibríoch tras-mhúnla (CMAC), a bhfuil sé mar aidhm leis tuairimí a thabhairt trí inneachar modha iolrach a chomhtháthú. Déanaimid tacar sonraí ar scála mór don tasc seo agus déanaimid iniúchadh ar roinnt modhanna ionadaíocha. Ag dul céim níos faide, cuirtear múnla éifeachtach comhaire i láthair chun an spleáchas idir faisnéis théacsúil agus fhaisnéis amhairc a ghabháil. Léiríonn torthaí meastóireachta gur féidir lenár múnla molta feidhmíocht níos fearr a bhaint amach ná na bunlínte iomaíocha.

Abstract

Kayyar farat-farat masu takarda masu cikin makala na Online, yana iya ƙara fiko da gaskiya zuwa ma'abũcin mai karãtun, wanda yana ƙaranci taƙaitarwa da shirin mai amfani da shi kan platformai na mitandai da jamii. @ action: inmenu A lokacin da aka gaskata, makala masu cikin shirin ayuka da aka ƙunsa da abu masu yawa. Misali, News na grafika yana da wasu zane mãsu yawa da ke ƙara matsayin. Wanda ke ƙunsa da wani matsayi, yana da muhimu, dõmin ba su zama masu kiyãri kawai ga mai karatun karãtun, kuma amma yana iya ƙayyade su ga wani maɓalli na muhimmi. Kayyade wannan, za'a buƙata wani aiki na daban: mai amfani da shirin-motsi farat ɗaya (CMAC), wanda ke yi nufin ya gyare-izni da haɗi cikin ƙunsa masu yawa. Mu sami kodi mai girma wa wannan aikin kuma Muke jarraba wasu hanyõyi masu tsari. Going a step further, an effective co-attention model is presented to capture the dependency between textual and visual information. Ana nuna cewa misalinmu da ake shawarar da shi yana iya mafiya alhẽri ga performance daga bakin bassi-tarajada.

Abstract

הערות אוטומטית של מאמרים באינטרנט יכולה לספק דעות ועובדות נוספות לקורא, מה שמשפר את חווית המשתמש וההתעסקות במתקנות התקשורת החברתית. העבודה הקודמת מתמקדת בהערות אוטומטיות מבוססת רק על תוכן טקסטלי. בכל אופן, בתרחישים אמיתיים, מאמרים באינטרנט בדרך כלל מכילים תוכן מורכב. לדוגמה, חדשות גרפיות מכילות הרבה תמונות בנוסף לטקסט. תוכן מלבד טקסט הוא גם חיוני כי הוא לא רק יותר מושך לקרוא, אלא גם יכול לספק מידע קריטי. To remedy this, we propose a new task: cross-model automatic commenting (CMAC), which aims to make comments by integrating multiple modal contents. אנו בונים קבוצת מידע גדולה למשימה הזאת ולחקור כמה שיטות מייצגיות. בהמשך צעד הלאה, מודל שיתוף תשומת לב יעיל מוצג כדי לתפוס את התלויה בין מידע טקסטול ויזואלי. תוצאות הערכה מראות שהמודל המוצע שלנו יכול להשיג ביצועים טובים יותר מאשר קווי בסיס תחרותיים.

Abstract

ऑनलाइन लेखों की स्वचालित टिप्पणी पाठक को अतिरिक्त राय और तथ्य प्रदान कर सकती है, जो सोशल मीडिया प्लेटफार्मों पर उपयोगकर्ता अनुभव और सगाई में सुधार करती है। पिछला काम पूरी तरह से पाठ्य सामग्री के आधार पर स्वचालित टिप्पणी पर केंद्रित है। हालांकि, वास्तविक परिदृश्यों में, ऑनलाइन लेखों में आमतौर पर एकाधिक मोडल सामग्री होती है। उदाहरण के लिए, ग्राफिक समाचार में पाठ के अलावा बहुत सारी छवियां होती हैं। पाठ के अलावा अन्य सामग्री भी महत्वपूर्ण हैं क्योंकि वे न केवल पाठक के लिए अधिक आकर्षक हैं, बल्कि महत्वपूर्ण जानकारी भी प्रदान कर सकते हैं। इसे ठीक करने के लिए, हम एक नए कार्य का प्रस्ताव करते हैं: क्रॉस-मॉडल स्वचालित टिप्पणी (सीएमएसी), जिसका उद्देश्य कई मोडल सामग्री को एकीकृत करके टिप्पणी करना है। हम इस कार्य के लिए एक बड़े पैमाने पर डेटासेट का निर्माण करते हैं और कई प्रतिनिधि विधियों का पता लगाते हैं। एक कदम आगे बढ़ते हुए, पाठ्य और दृश्य जानकारी के बीच निर्भरता को पकड़ने के लिए एक प्रभावी सह-ध्यान मॉडल प्रस्तुत किया जाता है। मूल्यांकन परिणामों से पता चलता है कि हमारा प्रस्तावित मॉडल प्रतिस्पर्धी बेसलाइन की तुलना में बेहतर प्रदर्शन प्राप्त कर सकता है।

Abstract

Automatski komentar online članaka može pružiti dodatne mišljenje i činjenice čitaču, što poboljšava iskustvo korisnika i učešće na platformama društvenih medija. Prethodni rad se fokusira na automatsku komentaciju temeljno na tekstualnom sadržaju. Međutim, u stvarnim scenarijama, online članovi obično sadrže višestruki sadržaj modala. Na primjer, grafičke vijesti sadrže dosta slika osim teksta. Sadržaj osim teksta također je vitalni jer ne samo privlačniji čitaču, nego također mogu pružiti kritične informacije. Da bi to riješili, predlažemo novi zadatak: automatski komentar preko model a (CMAC), koji je cilj da napravi komentare integriranjem višestrukog sadržaja modala. Napravljamo veliku skupinu podataka za ovaj zadatak i istražujemo nekoliko predstavnih metoda. Prema daljnjem koraku, predstavlja se učinkovit model zajedničke pažnje kako bi uhvatila zavisnost između tekstualnih i vizualnih informacija. Rezultati procjene pokazuju da naš predloženi model može postići bolju učinku nego konkurentne osnovne linije.

Abstract

Az online cikkek automatikus megjegyzése további véleményeket és tényeket adhat az olvasónak, ami javítja a felhasználói élményt és a közösségi média platformokon való elkötelezettséget. Az előző munka a kizárólag szöveges tartalomra épülő automatikus megjegyzésekre összpontosít. A valós forgatókönyvekben azonban az online cikkek általában több modális tartalmat tartalmaznak. Például a grafikus hírek sok képet tartalmaznak a szövegen kívül. A szövegen kívül más tartalmak is létfontosságúak, mivel nemcsak vonzóbbak az olvasó számára, hanem kritikus információkat is szolgáltathatnak. Ennek orvoslása érdekében egy új feladatot javasolunk: cross-model automatic commenting (CMAC), amelynek célja, hogy megjegyzéseket tegyen több modális tartalom integrálásával. Ehhez a feladathoz nagyszabású adatkészletet építünk, és számos reprezentatív módszert vizsgálunk fel. Egy lépéssel tovább haladva egy hatékony figyelemfelkeltő modell kerül bemutatásra a szöveges és vizuális információk közötti függőség felismerésére. Az értékelési eredmények azt mutatják, hogy javasolt modellünk jobb teljesítményt tud elérni, mint a versenyképes alapkövetek.

Abstract

Օնլայն հոդվածների ավտոմատիկ մեկնաբանությունը կարող է պարունակել ընթերցողին ավելացնող կարծիքներ և փաստեր, ինչը բարելավում է օգտագործողների փորձը և ներգրավումը սոցիալական լրատվամիջոցների հարթակներում: Անցյալ աշխատանքը կենտրոնանում է ավտոմատիկ մեկնաբանության վրա, որը հիմնված է միայն տեքստալ պարունակության վրա: However, in real-scenarios, online articles usually contain multiple modal contents. Օրինակ, գրաֆիկ նորությունները շատ պատկերներ են պարունակում տեքստի ավելցում: Տեքստից բացի այլ պարունակությունները նաև կարևոր են, քանի որ դրանք ոչ միայն ավելի գրավիչ են ընթերցողին, այլ նաև կարող են տալ կարևոր տեղեկատվություն: Այս խնդիրը լուծելու համար մենք առաջարկում ենք նոր խնդիր' փոխմոդել ավտոմատիկ մեկնաբանություն (ՄԿԱԿ), որը նպատակում է մեկնաբանություն կատարել ինտեգրելով բազմաթիվ մոդալ պարունակությունները: Մենք կառուցում ենք այս խնդրի համար մեծ տվյալների համակարգ և ուսումնասիրում ենք մի քանի ներկայացուցիչ մեթոդներ: Ավելի մի քայլ առաջ գնալով, ներկայացվում է արդյունավետ համաուշադրության մոդել, որպեսզի վերցնենք տեքստալ և վիզուալ ինֆորմացիայի կախվածությունը: Արժեքի արդյունքները ցույց են տալիս, որ մեր առաջարկված մոդելը կարող է ավելի լավ արդյունք հասնել, քան մրցակցության հիմնական գծերը:

Abstract

Komentasi otomatis dari artikel online dapat memberikan pendapat dan fakta tambahan kepada pembaca, yang meningkatkan pengalaman pengguna dan keterlibatan pada platform media sosial. Pekerjaan sebelumnya fokus pada komentar otomatis berdasarkan hanya isi teks. Namun, dalam skenario nyata, artikel online biasanya mengandung banyak isi modal. Contohnya, berita grafis berisi banyak gambar selain teks. Konten selain teks juga penting karena mereka tidak hanya lebih menarik bagi pembaca tetapi juga dapat memberikan informasi kritis. Untuk memperbaiki hal ini, kami mengusulkan tugas baru: komentar otomatis cross-model (CMAC), yang bermaksud membuat komentar dengan mengintegrasi isi modal berbilang. We construct a large-scale dataset for this task and explore several representative methods. Melangkah satu langkah lebih jauh, model konsentrasi efektif dipaparkan untuk menangkap ketergantungan antara informasi tekstual dan visual. Hasil evaluasi menunjukkan bahwa model kami yang diusulkan dapat mencapai prestasi yang lebih baik daripada garis dasar kompetitif.

Abstract

Il commento automatico degli articoli online può fornire ulteriori opinioni e fatti al lettore, migliorando l'esperienza degli utenti e il coinvolgimento sulle piattaforme di social media. Il lavoro precedente si concentra sul commento automatico basato esclusivamente su contenuti testuali. Tuttavia, negli scenari reali, gli articoli online di solito contengono più contenuti modali. Ad esempio, le notizie grafiche contengono molte immagini oltre al testo. Contenuti diversi dal testo sono anche vitali perché non solo sono più attraenti per il lettore, ma possono anche fornire informazioni critiche. Per rimediare a questo, proponiamo un nuovo compito: cross-model automatic commenting (CMAC), che mira a fare commenti integrando contenuti modali multipli. Costruiamo un set di dati su larga scala per questo compito ed esploriamo diversi metodi rappresentativi. Andando oltre, viene presentato un efficace modello di co-attenzione per catturare la dipendenza tra informazioni testuali e visive. I risultati della valutazione dimostrano che il nostro modello proposto può ottenere prestazioni migliori rispetto alle linee di base competitive.

Abstract

オンライン記事の自動コメントは、読者に追加の意見や事実を提供し、ソーシャルメディアプラットフォームでのユーザーエクスペリエンスとエンゲージメントを向上させることができます。前作はテキストコンテンツのみに基づいた自動コメントに重点を置いている。ただし、リアルシナリオでは、オンライン記事には通常、複数のモーダルコンテンツが含まれています。たとえば、グラフィックニュースにはテキストに加えてたくさんの画像が含まれています。テキスト以外のコンテンツも、読者にとってより魅力的であるだけでなく、重要な情報を提供する可能性があるため、重要です。これを修正するために、複数のモーダルコンテンツを統合してコメントを作成することを目的とした、クロスモデルオートコメント（ CMAC ）という新しいタスクを提案します。このタスクのために大規模なデータセットを構築し、いくつかの代表的な方法を探ります。さらに一歩進むと、テキスト情報と視覚情報との間の依存関係を取り込むための効果的な同時注目モデルが提示される。評価結果は、提案されたモデルが競合ベースラインよりも優れたパフォーマンスを達成できることを示しています。

Abstract

Automatically Wurung previous Nanging, sithik berlak gambar, artik online dadi sakjane sakjang modal. Sampeyan, balisi graf sing nduwe akeh gambar lan sampeyan teks used Ngawe nyimpen iki, kita nggunakake task sing gawe: krus-model automatically komentar (SMAK), sing isip nggawe Komentar seng basa gambar akeh modal. task Nyong sampeyan luwih, model sing tatag-atik efek dadi nggawe ngerasakno gampang Tawih bener

Abstract

მომხმარებელი ინტერნეტიკების ავტომატური კომენტირება შეუძლია კითხველისთვის დამატებული მხოლოდ და ფაქტებს, რომელიც მომხმარებელი გამოცდილობა და დაკავშირებ წინა სამუშაო სამუშაო მხოლოდ ტექსტუალური შემდგომაზე დაბათებული ავტომატური კომენტირებაზე. მაგრამ, რეალური სინარიოში, ინტერნეტიკები საუკეთესოდ მრავალური მოდეალური შემდგომარები აქვს. მაგალითად, გრაფიკური ინფორმაცია ტექსტის დამატებით ზოგიერთი გამოსახულებები აქვს. ტექსტის განსხვავებული შემდგომარები უფრო გასაკეთებელია, რადგან ისინი არა მხოლოდ უფრო გასაკეთებელია, მაგრამ შეიძლება კრიტიკური ინფორმაცია ჩვენ ახალი დავამუშავებთ ამ შესახებ: მრავალური მოდელური ავტომატიკური კომენტირება (CMAC), რომელიც მინდომის გავაკეთოთ კომენტირები მრავალური მოდელური შემდგენ ჩვენ ამ დავალებისთვის დიდი მაგალითი მონაცემები შევქმნით და რამდენიმე გამოსახულებელი მეტოვების გამოყენება. ექსტური მონაცემების შემდეგ ეფექტიური კონტექსტური და ვიზუალური ინფორმაციის შესახებ დააკვირთვას. შედეგი განსაზღვრება ჩვენი მოდელის შესაძლებელია უკეთესი გამოყენება, ვიდრე კონკენტებური ბაზლინის გამოყენება.

Abstract

Интернет мақалаларының автоматты түсініктемесі оқушыларға қосымша мәліметтер мен факттер бере алады. Бұл пайдаланушылардың тәжірибесін және социалдық медиа платформал Алдыңғы жұмыс тек мәтіннің мазмұнына негізделген автоматты түсініктемеге аударады. Бірақ шын сценарияларда онлайн мақалаларда әдетте бірнеше модалдық мазмұны бар. Мысалы, графикалық жаңалықтардың мәтіннің қосымша көп кескіндері бар. Мәтіннен басқа мазмұны да маңызды, себебі олар тек оқушыларға артық емес, сонымен қатар маңызды мәлімет бере алады. Бұны түзету үшін, біз жаңа тапсырманы ұсынамыз: бірнеше модалдық мазмұнын біріктіру үшін автоматты түсініктемелер (CMAC) арқылы түсініктемелерді жасау үшін. Бұл тапсырма үшін үлкен масштаб деректер жиынын құрып, бірнеше келтірілген әдістерді іздейміз. Келесі қадам алғанда, мәтін мен көрінетін мәліметтер арасындағы тәуелдік тәуелдігін түсіру үшін эффективті біріктіру үлгісі көрсетіледі. Біздің ұсынған үлгіміздің бағалау нәтижелеріміз конкурентті негізгі сызықтардан артық істеу мүмкіндігін көрсетеді.

Abstract

온라인 글의 자동 논평은 독자에게 추가적인 관점과 사실을 제공하여 사용자 체험과 소셜 미디어 플랫폼의 참여도를 개선할 수 있다.이전의 업무는 주로 텍스트 내용만 바탕으로 하는 자동 평론에 주목했다.그러나 실제 장면에서 온라인 글은 보통 다양한 패턴의 내용을 포함한다.예를 들어 도형 뉴스는 텍스트 외에 대량의 이미지를 포함한다.텍스트 이외의 내용도 매우 중요하다. 왜냐하면 그들은 독자에게 더욱 매력적일 뿐만 아니라 관건적인 정보를 제공할 수 있기 때문이다.이 문제를 해결하기 위해 우리는 크로스 모델 자동 평론(CMAC)을 제기했는데 그 목적은 다중모드 내용을 통합시켜 평론을 하는 것이다.우리는 이 임무를 위해 대규모의 데이터 집합을 구축하고 대표적인 몇 가지 방법을 모색했다.더욱이 본고는 텍스트와 시각 정보 간의 의존 관계를 포착하는 효과적인 공동 주의 모델을 제시했다.평가 결과에 따르면 우리가 제시한 모델은 경쟁 기선보다 더 좋은 성능을 실현할 수 있다.

Abstract

Automatinis interneto straipsnių komentaras gali suteikti skaitytojui papildomų nuomonių ir faktų, o tai pagerina naudotojų patirtį ir dalyvavimą socialinės žiniasklaidos platformose. Ankstesniame darbe daugiausia dėmesio skiriama automatiniam komentarui, grindžiamam tik tekstiniu turiniu. Tačiau realiais scenarijais interneto straipsniuose paprastai yra kelių rūšių turinys. Pavyzdžiui, grafinėse naujienose, be teksto, yra daug vaizdų. Kiti nei tekstas turinys taip pat yra gyvybiškai svarbūs, nes jie ne tik patrauklesni skaitytojui, bet ir gali teikti kritinę informaciją. Siekiant ištaisyti šį klausimą, siūlome naują užduotį: tarpmodelinę automatinę komentaciją (CMAC), kuria siekiama pateikti pastabas integruojant įvairių transporto rūšių turinį. Šiai užduotims sukuriame didelį duomenų rinkinį ir tiriame keletą reprezentatyvių metodų. Toliau pateikiamas veiksmingas bendro dėmesio model is, kuriuo siekiama nustatyti tekstinės ir vizualinės informacijos priklausomybę. Vertinimo rezultatai rodo, kad mūsų siūlomas modelis gali pasiekti geresnius rezultatus nei konkurencinės bazės.

Abstract

Автоматското коментирање на онлајн статиите може да обезбеди дополнителни мислења и факти за читателот, што го подобрува искуството на корисникот и ангажирањето на платформите на социјалните медиуми. Претходната работа се фокусира на автоматски коментар базиран само на текстуална содржина. Сепак, во реалните сценарија, онлајн статиите обично содржат повеќе модални содржини. На пример, графичните вести содржат многу слики покрај текстот. Contents other than text are also vital because they are not only more attractive to the reader but also may provide critical information. За да го поправиме ова, предложуваме нова задача: крстомоделно автоматско коментирање (CMAC), кое има за цел да коментира со интеграција на повеќе модални содржини. Конструираме голем набор на податоци за оваа задача и истражуваме неколку репрезентативни методи. Одејќи чекор понатаму, се претставува ефикасен модел на ковнимание за заземање на зависноста помеѓу текстуалните и визуелните информации. Резултатите од евалуацијата покажуваат дека нашиот предложен модел може да постигне подобра резултатност од конкурентните основни линии.

Abstract

ഓണ്‍ലൈന്‍ ലേഖനങ്ങളുടെ സ്വയം അഭിപ്രായം വായിക്കാന്‍ കഴിയും, വായിക്കുന്നവന്ന് കൂടുതല്‍ അഭിപ്രായങ്ങളും സത്യങ്ങളും നല്‍കാം, അത് ഉപയോക്താ പദാവലിയുടെ ഉള്ളടക്കം മാത്രമേ അടിസ്ഥാനമാക്കിയിരിക്കുന്നുള്ള സ്വയം കുറിപ്പുകളില്‍ മുമ്പുള എന്നാലും, യഥാര്‍ത്ഥ സിനേറ്ററിയോസില്‍, ഓണ്‍ലൈന്‍ ലേഖനങ്ങള്‍ സാധാരണയായി പല മോഡല്‍ ഉള്ളടക്കം ഉണ്ട്. ഉദാഹരണത്തിനു്, ഗ്രാഫിക്ക് വാര്‍ത്തകള്‍ക്കു് വാചകത്തിനു് കൂടാതെ പലതും ചിത്രങ്ങളുണ്ടു്. പദാവലിയില്ലാത്ത മറ്റുള്ളവയും പ്രധാനപ്പെട്ടതാണ്. കാരണം അവയൊക്കെ വായിക്കുന്നവന്റെ അടുത്തേക്ക് ആകര്‍ഷകമുള് To remedy this, we propose a new task: cross-model automatic commenting (CMAC), which aims to make comments by integrating multiple modal contents. ഈ ജോലിക്ക് വേണ്ടി ഒരു വലിയ വിവരങ്ങള്‍ നാം നിര്‍മ്മിക്കുകയും പല പ്രതിനിധികളുടെ രീതികള്‍ പരിശോധിക്കുകയും ച പിന്നീട് ഒരു പടിയിലേക്ക് പോകുന്നു, ഒരു പ്രധാനപ്പെട്ട കൂട്ടുകാരുടെ മോഡല്‍ കാണിക്കുന്നു. ടെക്സ്കൂള്‍ വിവ പരിഗണന ഫലങ്ങള്‍ കാണിക്കുന്നത് നമ്മുടെ പ്രോദേശിപ്പിക്കപ്പെട്ട മോഡല്‍ എതിര്‍ക്കുന്നതിനെക്കാള്‍ നല്ല പ്ര

Abstract

Интернет баримтуудын автоматаар хэлэлцүүлэх нь уншигчид нэмэлт үзэл, үнэндээ хэрэглэгчийн туршлага болон нийгмийн медиа платформуудын оролцоог сайжруулж чадна. Өмнөх ажил нь текст бүтээгдэхүүн дээр зөвхөн автоматжуулан хэлэлцүүлэх дээр төвлөрүүлдэг. Гэхдээ жинхэнэ хувилбарт онлайн баримтууд ихэвчлэн олон моделийн бүтэцтэй байдаг. Жишээлбэл, график мэдээг текст дээр нэмэх олон зураг агуулдаг. Учир нь тэд уншигчид зөвхөн илүү сонирхолтой биш ч мөн чухал мэдээлэл өгч чадна. Үүнийг сайжруулахын тулд бид шинэ ажил санал болгож байна: маш олон загварын сорилтуудыг нэгтгэх зорилго автоматжуулах загвар (CMAC) юм. Бид энэ ажлын тулд том хэмжээний өгөгдлийн санг бүтээж, олон төлөөлөгчийн аргыг судалж байна. Дараагийн алхам руу шилжиж байхдаа textual болон visual information хоорондын хамааралтай хамааралтай анхаарлын загвар үзүүлнэ. Дэлхийн үр дүнд бидний санал дэвшүүлсэн загвар нь өрсөлдөгчдийн суурь шугамнаас илүү сайн үйл ажиллагааг гаргаж чадна гэдгийг харуулж байна.

Abstract

Komentasi automatik artikel online boleh memberikan pendapat dan fakta tambahan kepada pembaca, yang meningkatkan pengalaman pengguna dan keterlibatan pada platform media sosial. Previous work focuses on automatic commenting based solely on textual content. Namun, dalam skenario-nyata, artikel online biasanya mengandungi kandungan modal berbilang. Contohnya, berita grafik mengandungi banyak imej selain teks. Contents other than text are also vital because they are not only more attractive to the reader but also may provide critical information. Untuk memperbaiki ini, kami cadangkan tugas baru: komentar automatik cross-model (CMAC), yang bertujuan untuk membuat komentar dengan mengintegrasikan kandungan modal berbilang. Kami membina set data skala besar untuk tugas ini dan mengeksplorasi beberapa kaedah mewakili. Melangkah satu langkah lebih jauh, model perhatian sama efektif dipaparkan untuk menangkap dependensi antara maklumat teks dan visual. Keputusan penilaian menunjukkan bahawa model kami direncanakan boleh mencapai prestasi yang lebih baik daripada garis dasar kompetitif.

Abstract

Il-kummenti awtomatiċi tal-artikoli onlajn jistgħu jipprovdu opinjonijiet u fatti addizzjonali lill-qarrej, li jtejbu l-esperjenza tal-utent u l-involviment fil-pjattaformi tal-midja soċjali. Previous work focuses on automatic commenting based solely on textual content. Madankollu, f’xenarji reali, l-oġġetti onlajn normalment fihom kontenut modali multiplu. Pereżempju, l-aħbarijiet grafiċi fihom ħafna immaġni flimkien mat-test. Kontenuti għajr it-test huma wkoll vitali għaliex mhumiex biss aktar attraenti għall-qarrej iżda jistgħu jipprovdu wkoll informazzjoni kritika. Biex nirremedjaw dan, nipproponu kompitu ġdid: kumment awtomatiku transmudell (CMAC), li għandu l-għan li jagħmel kummenti billi jintegra kontenut modali multiplu. Aħna nibnu sett ta’ dejta fuq skala kbira għal dan il-kompitu u nesploraw diversi metodi rappreżentattivi. Biex isir pass aktar ’il quddiem, jiġi ppreżentat mudell effettiv ta’ ko-attenzjoni biex tinqabad id-dipendenza bejn l-informazzjoni testwali u dik viżiva. Ir-riżultati tal-evalwazzjoni juru li l-mudell propost tagħna jista’ jikseb prestazzjoni aħjar mil-linji bażi kompetittivi.

Abstract

Automatisch reageren op online artikelen kan extra meningen en feiten opleveren aan de lezer, wat de gebruikerservaring en betrokkenheid op social media platforms verbetert. Eerder werk richt zich op automatisch commentaar gebaseerd uitsluitend op tekstuele inhoud. Echter, in real-scenario's bevatten online artikelen meestal meerdere modale inhoud. Zo bevat grafisch nieuws naast tekst veel afbeeldingen. Andere inhoud dan tekst is ook van vitaal belang omdat deze niet alleen aantrekkelijker is voor de lezer, maar ook kritische informatie kan verstrekken. Om dit te verhelpen, stellen we een nieuwe taak voor: cross-model automatic comment (CMAC), die tot doel heeft opmerkingen te maken door meerdere modale inhoud te integreren. Hiervoor bouwen we een grootschalige dataset en verkennen we verschillende representatieve methoden. Een stap verder wordt een effectief co-attentiemodel gepresenteerd om de afhankelijkheid tussen tekstuele en visuele informatie vast te leggen. Evaluatieresultaten tonen aan dat ons voorgestelde model betere prestaties kan behalen dan concurrerende baselines.

Abstract

Automatisk kommentaring av nettartiklar kan gje tilleggsinnstillingar og faktar til lesaren, som forbetrar brukarerfaring og involvering på sosiale mediaplattformar. Førre arbeid fokuserer på automatisk kommentaring basert berre på tekstinnhald. Men i verkeleg scenarioar inneheld nettartiklar vanlegvis fleire modal innhald. For eksempel, grafiske nyhetar inneheld mange bilete i tillegg til tekst. Innhaldet som ikkje er tekst er også viktig fordi dei er ikkje berre meir attraktive til lesaren, men kan også gi kritiske informasjon. For å retta denne oppgåva, foreslår vi eit ny oppgåve: automatisk kommentaring av krysmodel (CMAC), som måtar å gjera kommentarar ved å integrera fleire modal innhald. Vi konstruerer ein stor dataset for denne oppgåva og utforsk fleire reprezentativ metodar. Når du går fram eit steg, vert eit effektivt samsvarmodell vist for å henta avhengighet mellom tekst og visuelle informasjon. Evalueringsresultat viser at vårt foreslått modell kan oppnå bedre utviklingar enn konkurentære baselinjer.

Abstract

Automatyczne komentowanie artykułów online może dostarczyć czytelnikowi dodatkowych opinii i faktów, co poprawia doświadczenie użytkownika i zaangażowanie na platformach mediów społecznościowych. Poprzednia praca koncentruje się na automatycznym komentowaniu opartym wyłącznie na treściach tekstowych. Jednak w rzeczywistych scenariuszach artykuły online zazwyczaj zawierają wiele modalnych treści. Na przykład wiadomości graficzne zawierają mnóstwo obrazów oprócz tekstu. Treści inne niż tekst są również istotne, ponieważ nie tylko są atrakcyjniejsze dla czytelnika, ale także mogą dostarczać kluczowych informacji. Aby temu zaradzić, proponujemy nowe zadanie: cross-modelowe automatyczne komentowanie (CMAC), którego celem jest składanie komentarzy poprzez integrację wielu treści modalnych. Budujemy duży zestaw danych do tego zadania i badamy kilka reprezentatywnych metod. Idąc o krok dalej, przedstawiono efektywny model współuwagi, aby uchwycić zależność między informacją tekstową a wizualną. Wyniki oceny pokazują, że proponowany przez nas model może osiągnąć lepszą wydajność niż konkurencyjne linie bazowe.

Abstract

Os comentários automáticos de artigos online podem fornecer opiniões e fatos adicionais ao leitor, o que melhora a experiência do usuário e o engajamento nas plataformas de mídia social. O trabalho anterior se concentra em comentários automáticos baseados apenas em conteúdo textual. No entanto, em cenários reais, os artigos online geralmente contêm vários conteúdos modais. Por exemplo, as notícias gráficas contêm muitas imagens além do texto. Outros conteúdos além do texto também são vitais porque não são apenas mais atraentes para o leitor, mas também podem fornecer informações críticas. Para remediar isso, propomos uma nova tarefa: comentários automáticos entre modelos (CMAC), que visa fazer comentários integrando vários conteúdos modais. Construímos um conjunto de dados em larga escala para esta tarefa e exploramos vários métodos representativos. Indo um passo adiante, um modelo de co-atenção eficaz é apresentado para capturar a dependência entre informações textuais e visuais. Os resultados da avaliação mostram que nosso modelo proposto pode alcançar um desempenho melhor do que as linhas de base competitivas.

Abstract

Comentariile automate ale articolelor online pot oferi opinii și fapte suplimentare cititorului, ceea ce îmbunătățește experiența utilizatorului și implicarea pe platformele de social media. Lucrarea anterioară se concentrează pe comentariile automate bazate exclusiv pe conținutul textual. Cu toate acestea, în scenarii reale, articolele online conțin de obicei mai multe conținuturi modale. De exemplu, știrile grafice conțin o mulțime de imagini în plus față de text. Alte conținuturi decât textul sunt vitale, de asemenea, deoarece acestea nu sunt doar mai atractive pentru cititor, ci pot oferi și informații critice. Pentru a remedia acest lucru, propunem o nouă sarcină: comentarea automată cross-model (CMAC), care își propune să facă comentarii prin integrarea conținuturilor modale multiple. Construim un set de date la scară largă pentru această sarcină și explorăm mai multe metode reprezentative. Mergând un pas mai departe, este prezentat un model eficient de co-atenție pentru a capta dependența dintre informațiile textuale și vizuale. Rezultatele evaluării arată că modelul nostru propus poate obține performanțe mai bune decât nivelurile de bază competitive.

Abstract

Автоматическое комментирование онлайн-статей может предоставить читателю дополнительные мнения и факты, что улучшает пользовательский опыт и вовлеченность на социальных медиа-платформах. Предыдущая работа сосредоточена на автоматическом комментировании, основанном исключительно на текстовом содержании. Однако в реальных сценариях онлайн-статьи обычно содержат несколько модальных контентов. Например, графические новости содержат множество изображений в дополнение к тексту. Содержание, отличное от текста, также имеет жизненно важное значение, поскольку оно не только более привлекательно для читателя, но и может обеспечивать важную информацию. Чтобы исправить это, мы предлагаем новую задачу: кросс-модельное автоматическое комментирование (CMAC), которое направлено на комментирование путем интеграции нескольких модальных контентов. Мы создаем крупномасштабный набор данных для этой задачи и исследуем несколько репрезентативных методов. Далее представлена эффективная модель совместного внимания, чтобы зафиксировать зависимость между текстовой и визуальной информацией. Результаты оценки показывают, что предлагаемая нами модель может обеспечить лучшие результаты, чем конкурентные исходные показатели.

Abstract

ස්වයංක්‍රියාත්මක කිරීමට අන්තර්ජාත පිළිපිළිපිළිපිළිපිළිපිළිපිළිපිළිපිළිපිළිපිළි මුලින් වැඩේ ස්වයංක්‍රීය විශේෂයෙන් පාළික සාමාන්‍ය විශේෂයෙන් ස්වයංක්‍රීය විධා නමුත්, ඇත්ත ප්‍රතිස්ථානයක්, ඇන්ලයින් ප්‍රතිස්ථානයක් සාමාන්‍ය විශේෂයෙන් විශේෂ ව උදාහරණයෙන්, ග්‍රාෆික් ආරංචික ආරංචික ආරංචියක් තියෙනවා පාළුවට සම්පූර්ණය පාළුවට වඩා වෙනත් සම්බන්ධතාවක් විශේෂයි, මොකද ඔවුන් කියවන්නේ කියවන්නේ විතරක් විතරයි නැහැ නමු මේක සුදානම් කරන්න, අපි අළුත් වැඩක් සුදානම් කරනවා: cross-Model ස්වයංක්‍රිය ස්වයංක්‍රිය කිරීම (CMAC), ඒකෙන් අදහස් කරනවා මොඩ අපි මේ වැඩ සඳහා ලොකු ප්‍රමාණයක් තොරතුරු සූදානයක් සිද්ධා කරනවා ඒ වගේම ප්‍රමාණිත විදියට ව පැත්තක් අතරට යන්න, පැත්තක් සහ දර්ශණ තොරතුරු අතර අවශ්‍යතාවක් පෙන්වන්න. විශ්වාස ප්‍රතිචාරණ ප්‍රතිචාරයක් පෙන්වන්නේ අපේ ප්‍රතිචාරණ ප්‍රතිචාරය ප්‍රතිචාරය

Abstract

Samodejno komentiranje spletnih člankov lahko bralcu zagotovi dodatna mnenja in dejstva, kar izboljša uporabniško izkušnjo in udeležbo na platformah socialnih omrežij. Prejšnje delo se osredotoča na samodejno komentiranje, ki temelji izključno na besedilni vsebini. Vendar pa v realnih scenarijih spletni članki običajno vsebujejo večmodalne vsebine. Grafične novice na primer vsebujejo veliko slik poleg besedila. Poleg besedila so ključnega pomena tudi druge vsebine, saj niso le bolj privlačne za bralca, ampak lahko zagotovijo tudi kritične informacije. Za odpravo tega predlagamo novo nalogo: medmodelno avtomatsko komentiranje (CMAC), katerega cilj je podati komentarje z integracijo večmodalnih vsebin. Za to nalogo zgradimo obsežen nabor podatkov in raziskujemo več reprezentativnih metod. Še korak naprej je predstavljen učinkovit model soozornosti, ki zajema odvisnost med besedilnimi in vizualnimi informacijami. Rezultati ocenjevanja kažejo, da lahko naš predlagani model doseže boljšo učinkovitost od konkurenčnih izhodišč.

Abstract

Fiido-horaad ah oo ka soo jeedaya warqadaha shabakadda waxaad akhriska u heli kartaa fikir dheeraad ah iyo xaqiiqyo, kaas oo horumarinaya aragtida isticmaalka iyo ku xiriirka qorshaha shabakadda bulshada. Shaqo hore wuxuu ku kalsoonaadaa aragtida iskuulka ah oo kaliya ku saleysan waxyaabaha qoraalka. Si kastaba ha ahaatee warqadaha internetka sida caadiga ah waxaa ku jira waxyaabo kala duduwan. Tusaale ahaan warar maarfa ah waxaa ku jira sawiro badan oo ka sokow qoraal. Waxyaabaha kale oo aan qoraal ahayn waa muhiim, sababtoo ah aysan aheyn qofka akhriska oo kaliya, laakiin waxay sidoo kale heli karaan macluumaad muhiim ah. Si aan u bogsado waxan, waxaynu soo jeedaynaa shaqo cusub: aragtida iskaa-maamulka ah (CMAC), kaas oo ku talo gala inuu commenn ku sameeyo marka lagu qabsasho kooxda noocyada kala duduwan. Waxaannu dhisaynaa koob macluumaad aad u weyn oo u baahan karnaa qaabab badan oo wakiil ah. Inta hore loo soconayo waxaa lagu soo bandhigayaa tusaale faa’iido leh oo isku dayn karta ku xirnaanta macluumaadka dhaqanka iyo aragtida. Shahaadada qiimeyntu waxay muuqataa in modelkeeni la soo jeeday uu gaadhi karo wax ka wanaagsan sameynta sameynta hoose-tartanka.

Abstract

Automatic commenting of online articles can provide additional opinions and facts to the reader, which improves user experience and engagement on social media platforms. Puna e mëparshme përqëndrohet në komentimin automatik bazuar vetëm në përmbajtjen tekstuale. Megjithatë, në skenarë reale, artikujt online zakonisht përmbajnë përmbajtje të shumta modale. Për shembull, lajmet grafike përmbajnë shumë imazhe përveç tekstit. Përmbajtje të tjera përveç tekstit janë gjithashtu vitale sepse ato nuk janë vetëm më tërheqëse për lexuesin por gjithashtu mund të ofrojnë informacion kritik. Për të përmirësuar këtë, ne propozojmë një detyrë të re: komentim automatik ndërmodelor (CMAC), i cili synon të bëjë komentet duke integruar përmbajtjen e shumëfishtë modale. Ne ndërtojmë një set të dhënash në shkallë të madhe për këtë detyrë dhe eksplorojmë disa metoda përfaqësuese. Duke shkuar një hap më tej, paraqet një model efektiv bashkëvëmendje për të kapur varësinë midis informacionit tekstual dhe vizual. Rezultatet e vlerësimit tregojnë se modeli ynë i propozuar mund të arrijë performancë më të mirë se linjat bazë konkurruese.

Abstract

Automatski komentar online članaka može pružiti dodatne mišljenje i činjenice čitaču, koji poboljšava iskustvo korisnika i uključenje na platforme socijalnih medija. Prethodni rad se fokusira na automatsku komentaciju zasnovanu samo na tekstualnom sadržaju. Međutim, u stvarnim scenarijama, online članovi obično sadrže više modalnih sadržaja. Na primjer, grafičke vesti sadrže dosta slika osim teksta. Drugi sadržaj osim teksta takođe su vitalni jer nisu samo privlačniji čitaču, nego takođe mogu pružiti kritične informacije. Da bi to riješili, predlažemo novi zadatak: međumodelni automatički komentar (CMAC), koji je cilj da napravi komentare integrisanjem višestrukog sadržaja modal a. Napravljamo veliku skupinu podataka za ovaj zadatak i istražujemo nekoliko predstavnih metoda. Na daljnji korak, predstavlja se efikasni model kopažnje kako bi uhvatila zavisnost između tekstualne i vizuelne informacije. Rezultati procjene pokazuju da naš predloženi model može postići bolji izvod nego konkurentne osnovne linije.

Abstract

Automatisk kommentar av onlineartiklar kan ge läsaren ytterligare åsikter och fakta, vilket förbättrar användarupplevelsen och engagemanget på sociala medier. Tidigare arbete fokuserar på automatisk kommentering baserad enbart på textinnehåll. Men i verkliga scenarier innehåller onlineartiklar vanligtvis flera modala innehåll. Till exempel innehåller grafiska nyheter massor av bilder utöver text. Andra innehåll än text är också viktigt eftersom de inte bara är mer attraktiva för läsaren utan också kan ge viktig information. För att åtgärda detta föreslår vi en ny uppgift: cross-model automatic commenting (CMAC), som syftar till att göra kommentarer genom att integrera flera modala innehåll. Vi konstruerar en storskalig datauppsättning för denna uppgift och utforskar flera representativa metoder. Ett steg längre presenteras en effektiv co-uppmärksamhet modell för att fånga beroendet mellan text och visuell information. Utvärderingsresultat visar att vår föreslagna modell kan uppnå bättre prestanda än konkurrenskraftiga baslinjer.

Abstract

Maoni ya kujitegemea ya makala za mtandaoni yanaweza kutoa maoni na ukweli zaidi kwa wasomaji, ambayo inaongeza uzoefu wa watumiaji na ushirikiano katika majukwaa ya mitandao ya kijamii. Kazi iliyopita imejikita kwenye maoni ya kujitegemea kwa kutumia maudhui ya kimsingi. Hata hivyo, katika hali halisi, makala za mtandaoni mara nyingi zina maudhui mengi. For instance, graphic news contains plenty of images in addition to text. Mitandao mengine ya maandishi ni muhimu kwa sababu siyo tu yanavutiwa sana kwa wasomaji bali pia inaweza kutoa taarifa muhimu. Ili kurekebisha hili, tunapendekeza juhudi mpya: maoni ya kupitia mifano ya kujitegemea (CMAC), ambayo ina lengo la kutoa maoni kwa kuunganisha maudhui mengi. Tunajenga taarifa kubwa kwa ajili ya kazi hii na kutafuta njia kadhaa za uwakilishi. Akiendelea hatua zaidi, muundo wa ushirikiano wenye ufanisi unaonyesha kukutana na kutegemea taarifa za uhalisia na kuona. Matokeo ya uthibitisho yanaonyesha kuwa muundo wetu wa pendekezo unaweza kupata ufanisi bora kuliko misingi ya ushindani.

Abstract

இணைய கட்டுரைகளின் தன்னியக்கமாக குறிப்பிடுதல் படிப்பவருக்கு கூடுதல் கருத்துகள் மற்றும் உண்மை முந்தைய வேலை தானாகவே குறிப்பிடும் பொருளை மட்டுமே அடிப்படையில் தானாகவே குறிப்பிடும். However, in real-scenarios, online articles usually contain multiple modal contents. எடுத்துக்காட்டாக, வரைகலை செய்திகள் உரையை கூட்டுவதில் நிறைய படங்கள் உள்ளன. உரையை தவிர மற்றொரு உள்ளடக்கங்களும் முக்கியமானது ஏனெனில் அவை படிப்பவருக்கு மட்டும் ஆச்சரியமாக இல்லை ஆனால் முக்கியமா இதை தீர்க்க, நாம் ஒரு புதிய செயலை பரிந்துரைக்கிறோம்: மாதிரி தானியங்கி குறிப்பு (CMAC), அது பல மாதிரி உள்ளடக்கங்களை ஒன்றாக்குவதற்க நாம் இந்த பணிக்கான பெரிய அளவு தரவு அமைப்பை உருவாக்கி பல பிரதிநிதிகள் முறைகளை தேடுகிறோம். மேலும் ஒரு படி செல்லும் போது, ஒரு விருப்பமான இணைப்பு மாதிரி உரை மற்றும் பார்வை தகவலுக்கு இடையே சார்பு பிடிக்க மு மதிப்பீட்டு முடிவுகள் தெரியும் நம் பரிந்துரைக்கப்பட்ட மாதிரி போட்டியை விட சிறந்த செயல்படுத்த முடியு

Abstract

Çaltylyk makalaryň awtomatik terjime etmekleri okuwçylara köpüräk düşünjeleri we faktlary saýlap biler, bu bolsa ullançylaryň tecrübelerini we sosial mediýa platformlarynda üýtgedýär. Öňki işi metin Mazmunlaryň üstünde awtomatik terjime edip otyrýar. Ýöne, hakyky senarylarda online makalaryň adatça bir näçe modal maglumaty bardyr. Mesela, grafik baglaýyşlar metin bilen köp resim bar. Metin edip başga mazmunlar hem wajypdyr, sebäbi olar diňe okaýan üçin gaty çekişik däl, ýöne wajyp maglumat berip biler. Muny düzeltmek üçin, täze bir zady teklip edip görýäris: cross-model automatic terjime etmek (CMAC), bu nusgasy birnäçe modal maglumaty integralýan üçin terjime etmek üçin hedef edýär. Biz bu zadyň üçin uly ölçekli maglumat setirini inşa edýäris we birnäçe temsil yöntemlerini keşfedýäris. Bir adım öňünde gitmek üçin täsirli bir üns modi tekst we görsel maglumatyň bağlygyny çekmek üçin görkezilýär. Taýýarlanan netijelerimiz biziň teklip eden nusgamyzyň konkursiýa üýtgeşiklerinden has gowy ukyp başaryp biljekdigini görkezýär.

Abstract

لیڈر کے لئے اضافہ نظریں اور حقیقت کا اضافہ کرسکتے ہیں، جو سوسیل میڈیا پلٹورم پر کارساز کا تجربہ اور استعمال کرتا ہے. اگلے کام صرف textual content پر بنیاد رکھنے کے لئے آٹوٹی کمٹینگ پر تمرکز کرتا ہے. لیکن، حقیقی سناریوں میں، آنلاین لکھوں میں معمولاً بہت سی موڈال منصوبات لکھتی ہیں. مثال، گرافیک خبروں میں متن کے علاوہ بہت سے تصاویر موجود ہیں. متن کے سوا دوسرے موتوں بھی اہم ہیں کیونکہ وہ صرف پڑھنے والے کے لئے زیادہ آراستہ نہیں ہیں بلکہ وہ بھی اہم معلومات دے سکتے ہیں۔ اس کے لئے ہم ایک نوی کام پیشنهاد کرتے ہیں: cross-model automatic commenting (CMAC), جس کا ارادہ ہے کہ بہت سی موڈل موڈل موتوں کو جمع کریں۔ ہم نے اس کام کے لئے ایک بڑی اسکیل ڈیٹ سٹ بنایا ہے اور بہت سی نمایشگر طریقے کا تحقیق کریں۔ ایک قدم آگے چلتا ہے، ایک اثرات کے ساتھ مشاہدہ موڈل کی پیش کیے جاتے ہیں تاکہ تفصیل اور تصویل معلومات کے درمیان اعتمادی کو پکڑے۔ ارزیابی نتیجے دکھاتے ہیں کہ ہماری پیشنهاد کی مدل مسابقات کی بنسطل سے بہتر عملکرد حاصل کرسکتی ہے۔

Abstract

Name Oldingi ishni faqat matn tarkibi asosida avtomatik izohlash uchun fokuslash mumkin. Lekin, aslida aniqlik turlarida, tarmoq maqolalar odatda bir nechta modal tarkibi mavjud. Masalan, grafik хабарлар matnni qoʻshish uchun ko'p rasmlar mavjud. Matn bilan boshqa tarkibi juda muhim, chunki ular faqat oʻquvchiga qiziqarli emas, balki muhim maʼlumot berishi mumkin. Buni tayyorlash uchun yangi vazifa: cross-model avtomatik izohlash (CMAC), bu bir necha modal tarkibini birlashtirish uchun izohni yaratish mumkin. Biz bu vazifa uchun katta maʼlumotni yaratdik va bir necha taʼminlovchi usullarni qidirish. Bir qadam orqali boshlanadi, texnologiya va ko'rinadigan maʼlumot orasidagi qo'shish modeli koʻrsatiladi. Tasdiqlash natijalari namoyishga ega bo'ladi, taxminan modelmiz rivojlanish asosiy sonlaridan yaxshi bajarishi mumkin.

Abstract

Tự động bình luận các bài viết trên mạng có thể cung cấp thêm ý kiến và dữ liệu cho người đọc, nhằm cải thiện kinh nghiệm và cam kết của người dùng trên các nền truyền thông xã hội. Việc trước tập trung vào bình luận tự động chỉ dựa trên nội dung văn bản. Tuy nhiên, trong viễn cảnh thực tế, các mục trên mạng thường chứa nhiều nội dung phụ. Ví dụ, tin đồ họa có rất nhiều hình ảnh ngoài văn bản. Những nội dung khác với văn bản cũng rất quan trọng vì chúng không chỉ hấp dẫn đối với người đọc mà còn cung cấp thông tin quan trọng. Để sửa chữa điều này, chúng tôi đề nghị một nhiệm vụ mới: bình luận tự động xuyên mẫu (CMAC) nhằm đưa ra bình luận bằng cách hoà các nội dung di truyền. Chúng tôi xây dựng một bộ dữ liệu quy mô lớn cho nhiệm vụ này và tìm hiểu nhiều phương pháp đại diện. Bước thêm một bước nữa, một mô hình co-chú ý hiệu quả được trình bày để nắm bắt sự phụ thuộc giữa thông tin kết cấu và hình ảnh. Kết quả đánh giá cho thấy mô hình đã đề nghị có thể đạt kết quả tốt hơn so với nền tảng cạnh tranh.

Abstract

在线文章者自论可为读者供额外事实,而改善社交媒体台上用户体验参与度。前事侧重于惟文本自注。然于实场中,在线文常含数式。如图形新闻自文本外多有之。文本以外,亦至重也,以其非唯更具吸引力读者,亦可以资要信也。新事:跨模自注(CMAC),以集成数模态注之。构大数集,并探数代表性之法。更进一个有效的同意模形以获文本、视觉信息之间。评估结果表明,规模可以成竞基线之性。

Anthology ID:: P19-1257
Volume:: Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics
Month:: July
Year:: 2019
Address:: Florence, Italy
Venue:: ACL
SIG:
Publisher:: Association for Computational Linguistics
Note:
Pages:: 2680–2686
Language:
URL:: https://aclanthology.org/P19-1257
DOI:: 10.18653/v1/P19-1257
Bibkey:
Cite (ACL):: Pengcheng Yang, Zhihan Zhang, Fuli Luo, Lei Li, Chengyang Huang, and Xu Sun. 2019. Cross-Modal Commentator : Automatic Machine Commenting Based on Cross-Modal Information. In Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, pages 2680–2686, Florence, Italy. Association for Computational Linguistics.
Cite (Informal):: Cross-Modal Commentator : Automatic Machine Commenting Based on Cross-Modal Information (Yang et al., ACL 2019)
Copy Citation:
PDF:: https://aclanthology.org/P19-1257.pdf
Video:: https://vimeo.com/384731731
Code: lancopku/CMAC
Data: Cross-Modal Comments Dataset
Terminologies:

PDF Cite Search Code Translate Video