- ROUGE-K：您的摘要是否含有关键词？
我们提出了一种关键词取向的评估指标 ——ROUGE-K，该指标通过定量回答 “摘要中是否包含关键词” 这个问题来评估自动摘要模型是否包含有信息性的单词。通过这种关键词感知的度量方法，我们令人惊讶地发现，当前的一个强基准模型在摘要中常常会遗漏 - 一种通用且灵活的多概念解析框架用于多语言语义匹配
MCP-SM 提出了一个多概念解析的语义匹配框架，用于从句子中提取各种概念，并将其融入分类标记，以解决语义匹配中对命名实体识别模型的依赖问题。
- ICLRS2vNTM: 半监督 vMF 神经主题建模
本文提出了半监督 vMF 神经主题建模（S2vNTM）方法，该方法通过少量种子关键字作为主题输入，利用关键字的模式识别潜在主题，并优化主题的关键字集，旨在克服现有的一些困难，包括难以整合人类知识，需要大量资源来训练模型以及依赖大量文本数据进 - 基于关键词的采样（KEYS）用于大型语言模型
本文研究了使用抽取的关键词进行采样来生成人类文本回答的问题，提出了一种使用知识蒸馏技术来提取关键词的新方法，并表明该方法在 QA 任务中的表现优于常用的解码方法。
- 探索非洲计算机视觉研究社区
本文分析了非洲计算机视觉领域的研究趋势，其中主要研究非洲研究机构在顶尖计算机视觉会议上的发表情况，发现非洲在该领域的研究发表数量较少、主要集中于南部和北部非洲地区，且目前研究主题与社区需求不完全匹配。
- 赞助搜索广告中的关键词决策：文献综述与研究议程
本文提出了一个关于广告关键词决策的框架，并回顾了当前技术、输入特征和评估指标，最后讨论了可能存在的缺陷，为未来的探索提供了新的研究视角。
- 社交媒体上的误导性关键字和隐含滥用语：显而易见的背后
该研究分析了数据集构建到模型行为的关键词对在自动检测滥用语言方面的影响，着重于模型在缺少强烈指示性关键词的情况下漏报滥用和在存在这些关键词的情况下误报非滥用的问题，并提供解决这三个问题的未来研究建议。
- ACL文本语义匹配：以分离关键词和意图为特色的分治方法
本文提出了一种简单而有效的文本语义匹配训练策略，将关键词从意图中解离开来，可以与预训练语言模型 PLM 轻松结合，而且在三个基准测试中与各种 PLMs 相比具有稳定的性能提升。
- AAAI关键词引导的神经对话模型
本文提出了一种基于常识的关键词导向神经对话模型，通过外部常识知识图谱实现关键词的转移和响应检索，实现对话更快地到达目标关键词，自我对话和人类评估表明我们的模型产生的响应关键词转移更平稳，比竞争基线更快地到达目标关键词。
- 利用关键词学习扩展事件检测到新类型
本文针对传统事件检测模型的预定义事件类型的限制，提出了一种通过多个关键词描述事件类型以匹配文本特定上下文以适应新事件类型的新方法，同时，引入了一种基于新方法的卷积神经网络特征注意力机制来提高事件检测性能。实验表明，该方法增强了事件检测对于新 - MM面向本体的信息检索通用向量空间模型
本文提出了一种基于命名实体和关键词的广义向量空间模型，考虑了命名实体的不同本体特征，并使用实体类别来表示 Wh - 查询中被忽略的潜在信息。作者在 TREC 数据集上实现和测试了所提出的模型。
- 基于文献计量学的两个技术的比较：多维尺度和 VOS
本研究比较了使用多维缩放和 VOS 两种技术构建文献计量地图，理论和实验分析得出 VOS 比多维缩放更能更准确地显示数据集。