Apr, 2020

跨文件关注的关键短语生成

PDF
TL;DRCDKGen 是一种基于 Transformer 的关键短语生成器，通过交叉文档注意力网络将可用文档作为参考，利用主题信息来生成更好的关键短语，通过选择适当的单词来处理关键短语中的非词汇词，实现了最先进的性能。
keyphrase generationtransformer-based keyphrase generatorcross-document attentioncopy mechanismstate-of-the-art performance
发现论文，激发创造
  • 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

  • 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

  • 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

  • 基于层级覆盖注意力的神经关键词生成：选择、提取和生成

    本研究提出了一种基于深度神经网络的自动关键词提取模型 SEG-Net，其使用包含两个部分的架构进行文本抽取和生成。实验表明该模型在科学和网络文档中的自动关键词提取方面性能卓越。

    Aug, 2020

  • 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

  • 基于关联约束的关键词生成

    本文提出了一种名为 CorrRNN 的序列到序列架构，通过使用覆盖向量和考虑前面的关键短语以消除重复短语，改进了自动关键短语生成，实验结果表明，这种方法在准确度和多样性方面显著优于现有的最先进的方法。

    Aug, 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

  • 基于 Transformer 的文本摘要技术用于关键词生成

    本研究测试了四个基准数据集，使用流行的基于 Transformer 的模型进行抽象文本摘要，以实现关键词提取的目的，并将结果与常见无监督和有监督方法进行比较。研究结果表明，这些摘要模型非常有效地生成关键词，但它们产生的大量单词都不在作者的关键词列表中，这使得摘要模型在 ROUGE-1 方面效果不佳。此外，对于几种排序策略进行调查的结果表明，策略的选择会影响关键词生成的性能。

    Sep, 2022

  • 多样化、可控、关键词感知：新闻多标题生成的语料库和方法

    本文提出了一种生成多个与关键词相关、高质量、多样化新闻标题的方法，使用多源 Transformer 解码器，并构建了第一个大规模的具有关键词意识的新闻标题语料库，并在真实数据集上进行了广泛实验比较。

    Apr, 2020

  • 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