NetReAct：用于网络摘要的交互式学习
机器学习
2020-12-23 v1 人工智能
摘要
生成有用的网络摘要是一个具有若干应用（如意义构建、可视化和压缩）的具挑战性且重要的问题。然而，当前该领域的大部分工作在生成摘要时未考虑人类反馈。考虑一个情报分析场景，分析师正在探索文档之间的相似度网络。分析师可通过迭代反馈（例如将文档（“节点”）靠拢或移开）表达对网络摘要可视化的同意/不同意。我们如何利用此反馈来提升网络摘要质量？在本文中，我们提出 NetReAct，一种新颖的交互式网络摘要算法，其支持由文本语料库诱导的网络的可视化以进行意义构建。NetReAct 将人类反馈与强化学习结合以摘要和可视化文档网络。使用来自两个数据集的场景，我们展示了 NetReAct 如何成功生成高质量摘要和可视化，比其它非平凡基线更好地揭示隐藏模式。
引用
@article{arxiv.2012.11821,
title = {NetReAct: Interactive Learning for Network Summarization},
author = {Sorour E. Amiri and Bijaya Adhikari and John Wenskovitch and Alexander Rodriguez and Michelle Dowling and Chris North and B. Aditya Prakash},
journal= {arXiv preprint arXiv:2012.11821},
year = {2020}
}
备注
Presented at NeuRIPS 2020 HAMLETS