EMNLPSep, 2021

异构图神经网络用于关键词生成

PDF
TL;DR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。
encoder-decoder frameworkkeyphrase generationgraph-based methodhierarchical attentioncopy mechanism
发现论文，激发创造
  • 深度关键词生成的独家分层解码

    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。

    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

  • 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

  • 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

  • 使用图形 transformer 从知识图谱生成文本

    本文介绍了一种新型图形转换编码器，可处理知识图谱等非层次性图形的内容，应用于科学文本领域的图 - 文本生成，评价结果表明，该技术可以产生比竞争的编码解码方法更具信息量且结构更好的文本。

    Apr, 2019

  • SGG: 关键词短语生成的选择、引导和生成学习

    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。

    May, 2021

  • 跨文件关注的关键短语生成

    CDKGen 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。

    Apr, 2020

  • 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

  • 多部分图的无监督关键词提取

    本研究提出了一种无监督的关键词提取模型，该模型通过多方图结构将主题信息进行编码，并利用关键词和主题之间的相互关系来提高候选关键词的排名，同时引入了新颖的机制来纳入关键词选择偏好。在三个广泛使用的数据集上的实验表明，该模型相比于现有的基于图形的模型具有显著的改进。

    Mar, 2018

  • 关键词和示例：一个层次化对比学习框架，统一文本生成的混合粒度

    提出一种基于对比学习的层次化机制，结合关键词图进行关键词表示优化，构建实例级别和关键词级别的内部对比机制，以及基于实例分布的关键词节点的交叉对比机制。实验证明该模型在释义、对话生成和故事叙述等任务上优于竞争基准。

    May, 2022