Key points are not available for this paper at this time.
現在、自然言語生成(NLG)は、ニュース報道やチャットボットからソーシャルメディア管理まで様々な場面で使用されています。最近の機械学習の進展により、テキスト作成と要約において人間のパフォーマンスに匹敵するNLGシステムを訓練することが可能になりました。本論文では、Wikipediaの文脈においてそのようなシステムを提案し、Wikipediaの読者と編集者による評価を行います。私たちの解決策は、14のリソースが不足しているWikipedia言語バージョンで使用されているArticlePlaceholderに基づいており、空のWikipediaページにWikidata知識ベースからの構造化データを表示します。私たちは、ArticlePlaceholderによって示されたWikidataトリプルから導入文を生成するためにニューラルネットワークを訓練し、Wikipediaのユーザーがそれにどのように関わるかを探ります。自動、判断ベース、およびタスクベースの要素を含む評価は、要約文が流暢さとWikipediaへの適切さの観点で高評価であり、編集者が新しい記事をブートストラップするのに役立つことが示されています。また、Wikipedia全体でNLGソリューションを使用することのいくつかの潜在的な影響、例えばコンテンツの質、技術への信頼、およびアルゴリズムの透明性についても示唆しています。
Kaffeeら(Fri、)はこの問題を研究しました。