ACLMay, 2021

SGG: 关键词短语生成的选择、引导和生成学习

PDF
TL;DR本文介绍了一种基于 Select-Guide-Generate (SGG) 方法的关键词生成模型，它能够明确区分文档中的现有关键词和非现有关键词。实验结果表明，它在关键词生成任务中的表现优于其他模型，并且能够扩展到标题生成任务。
keyphrase generationpresent keyphraseabsent keyphraseselect-guide-generateneural network
发现论文，激发创造
  • 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

  • KPDrop：提升缺失关键词生成

    本文提出了一种名为 KPDrop 的模型无关方法来提高缺失关键短语的生成，测试结果表明它可以在监督和资源受限的半监督设置中持续改善强基线的缺失性能。

    Dec, 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

  • 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

  • 使用预训练语言模型进行关键短语预测

    通过将关键短语预测分为现有关键短语提取与不存在关键短语生成两个子任务，并提出使用 BERT 在这两个子任务中实现联合推论的方法，本研究提供了一种全面利用提取和生成方法各自优势的方法，并在基准数据集上实现了最新的预测结果。

    Apr, 2020

  • 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

  • 神经关键词生成的半监督学习

    本篇论文探讨了如何利用半监督学习方法，在有限的有标签数据下，将无标签数据与有标签数据结合来提高关键短语生成的性能，实现多任务学习，通过无监督关键短语抽取方法或自学习算法得到的合成关键短语为无标签数据进行标注。实验结果表明，利用半监督学习的方法能够明显优于仅训练有标签数据的最先进模型。

    Aug, 2018

  • SimCKP：关键短语表示的简洁对比学习

    我们提出了一个简单的对比学习框架 SimCKP，它由两个阶段组成：1）一个提取器 - 生成器，通过对比学习的方式学习上下文感知的短语级表示，同时生成不出现在文档中的关键短语；2）一个重新排序器，通过将生成的短语的表示与相应的文档对齐来调整每个短语的得分。在多个基准数据集上的实验结果证明了我们提出的方法的有效性，其性能明显优于现有的模型。

    Oct, 2023

  • 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

  • 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