@techreport{oai:ipsj.ixsq.nii.ac.jp:00212205,
 author = {有田, 智也 and 松井, くにお},
 issue = {5},
 month = {Jul},
 note = {政党のマニフェストと政治家の発言に齟齬がないかを確かめるためには，議会での発言を確認する必要がある．議会での発言は会議録として一般に公開されているが，文章量が多く読みづらいという問題がある．そこで本研究では，1 文から 12 文でなりたっている議員の質問への回答文を文ベクトルに変換し，文ベクトルに文位置の情報を加算することで得られた，文位置情報が考慮された文ベクトルをニューラルネットワークで学習し，抽出型要約を作成するモデルを提案する．提案手法を評価するために，議員の発言文数に応じた文数で要約したデータを自作し，ROUGE スコアによる評価を行った．実験の結果文位置情報を付与することで，ROUGE-1 において 0.39 から 0.42 に，ROUGE-2 において 0.26 から 0.29 に，ROUGE-l において 0.28 から 0.30 に改善された．},
 title = {文位置を考慮した国会会議録の要約},
 year = {2021}
}