ACLApr, 2020

深度关键词生成的独家分层解码

PDF
TL;DR提出了一种基于层次解码的独家框架，包括层次解码过程和软性或硬性排除机制，可以有效地生成准确且不重复的关键词组合。
keyphrase generationhierarchical decodingexclusion mechanismaccuracydiversity
发现论文，激发创造
  • 异构图神经网络用于关键词生成

    提出一种新的基于图的关键词生成方法，结合层次化注意力和拷贝机制，借鉴相关文献的显式知识，取得显著的成果。

    Sep, 2021

  • 深度关键词生成

    本研究提出了一种基于编码 - 解码框架的生成模型来预测文本的关键短语，从而能够有效地捕捉其深层语义含义，并能够识别没有在文本中出现但基于语义意义的内容。

    Apr, 2017

  • 基于标题引导的关键词生成编码

    介绍了一种新的标题引导网络 (TG-Net) 模型，该模型通过编码器 - 解码器架构和两个新特性：（i）标题作为类似查询的输入，（ii）标题引导编码器将有关信息从标题收集到文档的每个单词中，以解决自动关键短语生成任务中标题对整个文档的引领作用被忽略的问题。该模型在一系列 KG 数据集上的实验表明，其性能优于现有的各种模型，特别是对于标题长度比率非常低或非常高的文档。

    Aug, 2018

  • 神经关键词生成：分析与评估

    本文研究了三种强大的编码 - 解码模型 (T5、 CatSeq-Transformer 和 ExHiRD) 的性能和行为，分析了预测置信度得分、模型校准和密钥短语生成的令牌位置对其的影响，提出了一个新的度量框架 SoftKeyScore。结果表明，相比于标准的 F1 指标，SoftKeyScore 更适合用于评估两组给定关键词。

    Apr, 2023

  • 关键词生成：多方面综述

    该论文综述了关键短语生成的一些方法，重点讨论基于神经网络的较新的抽象方法，同时介绍了过去二十年中关键短语生成和文本摘要的研究趋势。

    Oct, 2019

  • UniKeyphrase: 用于关键词预测的统一提取和生成框架

    本文提出了一种新的端到端学习框架 UniKeyphrase，通过堆叠关系层和词袋约束来充分利用模型结构和训练过程中的潜在语义关系，能够更好地预测关键短语，实验结果表明，这种联合方法在关键短语预测上比主流方法表现更好。

    Jun, 2021

  • 通过探索检索与抽取的能力进行关键短语生成的综合方法

    本文提出了一种新的集成方法，用于关键短语的生成，利用多任务学习的方法同时学习抽取式模型和生成式模型，采用神经网络集成预测结果，实验结果表明基于抽取式、生成式和检索式方法的综合方法更优。

    Apr, 2019

  • 基于预训练序列到序列模型的关键词生成中的模型选择和解码重新思考

    通过对模型选择和解码策略的系统分析，本文提出 DeSel 算法，通过对 5 个数据集进行评估，平均提高 4.7% 的语义 F1 得分，为基于预训练语言模型的关键词生成（KPG）领域的深入研究奠定了基础。

    Oct, 2023

  • 一般适用规则不一定适合所有情况：生成和评估关键词的可变数量

    本研究从建模和评估的角度解决了许多现有神经关键词生成模型中缺乏多样性问题，并提出了两种评估指标和一种新数据集 StackEx，从而能够控制输出数量并在所有数据集上优于强基线。

    Oct, 2018

  • 无监督深度关键词生成

    本文提出了一种名为 AutoKeyGen 的关键词生成新方法，利用语料库中的短语库和部分匹配过程来确定文档中缺少的关键词，然后利用这些关键词训练一个深度生成模型，该方法在大量实验中表现优异，甚至能够在某些情况下击败强监督方法。

    Apr, 2021