yanyc428-CSDN博客

原创论文笔记｜Keyphrase Extraction Using Neighborhood Knowledge Based on Word Embeddings

这篇论文是来自伦斯勒理工学院的作者挂在Arkiv上的关于关键词抽取的研究。研究面相无监督的关键词抽取任务，提出了一种基于语义信息结合词语共现信息来构建关键词之间关系的图，并基于构建的图完成候选关键词的排序，从而完成关键词抽取任务。

2022-12-05 11:21:05 222 2

原创论文笔记｜KPDROP: Improving Absent Keyphrase Generation

本文是伊利诺大学芝加哥分校和Amazon团队发表在EMNLP2022上的一片论文，论文聚焦于文本的关键词生成任务，提出了一种随机去掉出现在文中的关键词（present keyprasem,PK）以人工构建未出现在文中的关键词(Absent Keyphrase, AK)的方法，用于改善AK的生成，实验证明，这种方法在全监督和半监督的方法中都起到了一定的性能提升。

2022-11-27 15:26:47 206

原创论文笔记｜Phraseformer: Multimodal Key-phrase Extraction using Transformer and Graph Embedding

这是一篇由伊朗Islamic Azad University和土耳其Ayvansaray University的作者共同发表的关键词抽取论文。本文聚焦的是抽取式的关键词预测任务，使用文本的语义表示和图表示进行拼接，从而完成关键词预测的任务。本文在多个公开数据集上做了模型测试，验证了所提出模型的有效性。

2022-11-26 16:05:37 447 1

原创论文笔记｜Deep Keyphrase Generation

这是一篇发表在ACL2017的论文，作者来自匹兹堡大学何大庆老师组。这篇论文可以说是生成式方法完成关键词预测的开山/典范之作。以往的论文多是在文本中抽取短语作为文档的关键词，本篇论文是使用生成式的方法，去预测一些可能没有存在与文本中的关键词。

2022-11-13 15:57:51 373

原创论文笔记｜UniKeyphrase: A Unified Extraction and Generation Framework for Keyphrase Prediction

这是一篇发表在ACL2021上的一篇文章，作者来自腾讯AI Lab和北京邮电大学。本文主要的研究问题是，在关键词预测任务中，将已现关键词的提取（Present Keyphrase Extraction, PKE）和未现关键词的生成(AKG, Absent Keyphrase Generation)相结合，完成更加全面的关键词预测任务。本文的主要的贡献在于（1）提出了一个端到端的结合PKE和AKG的模型；（2）提出了一个堆叠关系层（SRL）用于捕获PKE和AKG之间的关系；（3）提出了一种词袋约束

2022-11-07 10:21:12 408 1

原创论文笔记｜A Joint Learning Approach based on Self-Distillation for Keyphrase Extraction from Scientific..

这是一篇发表在COLING2020上的论文，作者来自University of Illinois at Urbana-Champaign和Adobe研究团队。本研究主要是受到自蒸馏算法的启发，将自蒸馏算法应用到科技文档的关键词提取任务中。研究的主要贡献在于，将自蒸馏的思想应用到关键词抽取任务中，在多个数据集的实验上达到了SOTA水平。

2022-10-28 17:16:51 425

原创论文笔记｜Unsupervised Key-phrase Extraction and Clustering for Classification Scheme in Scientific Pu...

这是一篇发表在SDU@AAAI 2021 workshop上的论文。研究主要面向科学出版物（以下简称论文），使用无监督学习的方法，自动从科学论文中抽取关键词，并依据这些关键词形成分类体系。本文的贡献主要在于提出了一套从科学论文中提取关键词以生成分类体系的方法，再提取关键词时，作者提出了多个用来评估提取关键词时用于排序的评分，也是本文的创新点。

2022-10-24 00:18:16 616 1

原创论文笔记｜Unsupervised Keyphrase Extraction by Jointly Modeling Local and Global Context

这是一篇发表在EMNLP2021上的论文。研究主要面向无监督学习场景，使用全局语义信息与局部语义信息相结合的方法，从文本中抽取关键词。本文的主要贡献在于提出了一种结合全局信息和局部信息的候选词排序方法。

2022-10-15 14:20:51 564 2

bonsor的博客