PositionRank: An Unsupervised Approach to Keyphrase Extractionfrom Scholarly Documents解读二
2021SC@SDUSC
相关问题
影响模型性能的参数
扫描窗大小w会影响模型结果。因为w决定会决定哪些边加入图,以及边的权重大小。作者对不同的w在不同数据集上进行测试,发现当w的取值为2-10时,差别并不显著。
补充:MRR,对所有查询的相关结果的位置取倒数累加并平均,也就是说当相关结果出现的越早时MRR得分越高。
进行PageRank计算时的阻尼系数α也会可能会影响模型的表现,经测试,取值对结果没有显著影响。
补充:PageRank(前两天信息检索课上老师告诉我们这个算法之所以这样命名是因为是由谷歌的副总裁Page提出来的)
PageRank认为,一个节点对系统施加影响的结果,就是与它相连的节点也具有一定的影响力。假如图1-1是一个财富分发网络:Node1向其他节点传递财富,node1接收不能搞传播从node0得到的财富;等等**。Node0的影响力,可以用与之相连的node1的影响力来度量**。这个套路有点类似“通过看一个人的朋友来分析这个人”。
我们用符号来描述一下PageRank的想法。假设一个节点的影响力值是PR,Node0节点的影响力就是
,类似的,node1的影响力就是
这是PageRank的第一个模块。
之后,我们利用该模块的结果不断迭代,直到达到收敛条件或提前确定的迭代次数。
对所有位置信息求和vs只考虑关键词第一次出现的位置
经实验,使用所有位置信息的性能表现要优于仅仅考虑单词的第一次的出现的位置。
位置信息在关键词的提取中起到了多大的作用
作者将PositionRank模型与其他两种未使用位置信息的Pagerank模型进行对比,经实验,使用位置信息的PageRank算法性能有极大的提升。
PositionRank与当今主流方法对比
strong baseline: TF-IDF, ExpandRank, and TopicalPageRank (TPR)
作者提到本模型的性能表现要全面优于使用了更多参数并且拥有更为复杂结构的TPR。同时要注意ExpandRank使用了额外的语义数据集。(2021.12.1补充:额外的语义数据集指的是借助nltk进行词性标记)