論文の概要: Keyphrase Extraction with Span-based Feature Representations
- arxiv url: http://arxiv.org/abs/2002.05407v1
- Date: Thu, 13 Feb 2020 09:48:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-01 13:12:00.520753
- Title: Keyphrase Extraction with Span-based Feature Representations
- Title（参考訳）: Span-based Feature Representation を用いたキーワード抽出
- Authors: Funan Mu, Zhenting Yu, LiFeng Wang, Yequan Wang, Qingyu Yin, Yibo Sun,
Liqun Liu, Teng Ma, Jing Tang, Xing Zhou
- Abstract要約: キーフレーズは、文書を特徴付ける意味メタデータを提供することができる。
キーフレーズ抽出のための3つのアプローチ: (i) 従来の2段階ランキング法、 (ii) シーケンスラベリング、 (iii) ニューラルネットワークを用いた生成。
本稿では,すべてのコンテンツトークンから直接,キーフレーズのスパン的特徴表現を抽出する新規スパンキーフレーズ抽出モデルを提案する。
- 参考スコア（独自算出の注目度）: 13.790461555410747
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Keyphrases are capable of providing semantic metadata characterizing
documents and producing an overview of the content of a document. Since
keyphrase extraction is able to facilitate the management, categorization, and
retrieval of information, it has received much attention in recent years. There
are three approaches to address keyphrase extraction: (i) traditional two-step
ranking method, (ii) sequence labeling and (iii) generation using neural
networks. Two-step ranking approach is based on feature engineering, which is
labor intensive and domain dependent. Sequence labeling is not able to tackle
overlapping phrases. Generation methods (i.e., Sequence-to-sequence neural
network models) overcome those shortcomings, so they have been widely studied
and gain state-of-the-art performance. However, generation methods can not
utilize context information effectively. In this paper, we propose a novelty
Span Keyphrase Extraction model that extracts span-based feature representation
of keyphrase directly from all the content tokens. In this way, our model
obtains representation for each keyphrase and further learns to capture the
interaction between keyphrases in one document to get better ranking results.
In addition, with the help of tokens, our model is able to extract overlapped
keyphrases. Experimental results on the benchmark datasets show that our
proposed model outperforms the existing methods by a large margin.
- Abstract（参考訳）: キーワードは、文書を特徴づける意味メタデータを提供し、文書の内容の概要を生成する。
キーフレーズ抽出は情報の管理,分類,検索を容易にすることができるため,近年注目されている。
キーフレーズ抽出には3つのアプローチがある。
(i)伝統的二段階ランキング方法
(ii)配列のラベリング及び
(iii)ニューラルネットワークを用いた生成。
2段階のランク付けアプローチは、労働集約的かつドメイン依存的な機能エンジニアリングに基づいている。
シーケンスラベリングは重複するフレーズに対処できない。
生成法(Sequence-to-Sequence ニューラルネットワークモデル)はこれらの欠点を克服し、広く研究され、最先端の性能を得る。
しかし, 文脈情報の有効利用は不可能である。
本稿では,すべてのコンテンツトークンから直接,キーフレーズのスパン的特徴表現を抽出する新規スパンキーフレーズ抽出モデルを提案する。
このようにして,各キーフレーズの表現を取得し,さらに1つの文書中のキーフレーズ間の相互作用を捉え,より優れたランキング結果を得る。
さらに、トークンの助けを借りて、重なり合ったキーフレーズを抽出することができる。
ベンチマークデータセットにおける実験結果から,提案手法が既存手法を大差で上回ることがわかった。
関連論文リスト
- SimCKP: Simple Contrastive Learning of Keyphrase Representations [36.88517357720033]
そこで本論文では,(1)文脈認識型フレーズレベルの表現からキーフレーズを抽出する抽出器・ジェネレータと,(2)生成したフレーズのスコアを対応する文書と整列させることで,文書に現れないキーフレーズを生成するリランカと,の2つの段階からなる単純なコントラスト学習フレームワークであるSimCKPを提案する。
論文 参考訳（メタデータ） (2023-10-12T11:11:54Z) - Towards Better Multi-modal Keyphrase Generation via Visual Entity
Enhancement and Multi-granularity Image Noise Filtering [79.44443231700201]
マルチモーダルなキーフレーズ生成は、入力されたテキストイメージペアのコアポイントを表すキーフレーズのセットを作成することを目的としている。
入力されたテキストと画像はしばしば完全に一致しないので、画像はモデルにノイズをもたらす可能性がある。
本稿では,モデル入力を外部知識で豊かにするだけでなく,画像ノイズを効果的にフィルタする,新しいマルチモーダル・キーフレーズ生成モデルを提案する。
論文 参考訳（メタデータ） (2023-09-09T09:41:36Z) - Data Augmentation for Low-Resource Keyphrase Generation [46.52115499306222]
キーフレーズ生成(英: Keyphrase generation)とは、任意の記事の内容をいくつかの有能なフレーズ(またはキーフレーズ)に要約するタスクである。
タスクの既存の作業は主に、取得が簡単ではない大規模なアノテートデータセットに依存しています。
我々は、純粋にリソース制約のあるドメインにおいて、キーフレーズの生成に対処するためのデータ拡張戦略を提案する。
論文 参考訳（メタデータ） (2023-05-29T09:20:34Z) - Neural Keyphrase Generation: Analysis and Evaluation [47.004575377472285]
本稿では,T5(事前学習型トランスフォーマー),CatSeq-Transformer(非事前学習型トランスフォーマー),ExHiRD(リカレントニューラルネットワーク)の3つの強力なモデルで示される傾向について検討する。
2つのキーフレーズの類似性を評価するために,SoftKeyScoreという新しいメトリクスフレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-27T00:10:21Z) - Applying Transformer-based Text Summarization for Keyphrase Generation [2.28438857884398]
キーフレーズは学術文書の検索と体系化に不可欠である。
本稿では,抽象的なテキスト要約のためのトランスフォーマーモデルについて実験する。
要約モデルはフルマッチのF1スコアとBERTスコアでキーフレーズを生成するのに非常に効果的であることを示す。
また,キーフレーズをターゲットとした順序付け戦略についても検討する。
論文 参考訳（メタデータ） (2022-09-08T13:01:52Z) - Importance Estimation from Multiple Perspectives for Keyphrase
Extraction [34.51718374923614]
複数視点からキーフレーズの重要性を推定する新しい手法を提案する(textitKIEMP)。
textitKIEMPは、構文的正確性を測定するチャンキングモジュール、情報の正確性をチェックするランキングモジュール、フレーズとドキュメント全体の概念整合性を判断するマッチングモジュールの3つのモジュールで、フレーズの重要性を見積もっている。
6つのベンチマークデータセットの実験結果から、textitKIEMPは、ほとんどの場合、既存の最先端のキーフレーズ抽出手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2021-10-19T05:48:22Z) - MatchVIE: Exploiting Match Relevancy between Entities for Visual
Information Extraction [48.55908127994688]
我々は、VIE(MatchVIE)のためのグラフニューラルネットワークに基づく新しいキー値マッチングモデルを提案する。
関連性評価に基づくキー値マッチングにより、提案したMatchVIEは、認識を様々な意味論にバイパスすることができる。
我々は、エンコードされた値の不安定性に対処するために、単純だが効果的な操作であるNum2Vecを導入する。
論文 参考訳（メタデータ） (2021-06-24T12:06:29Z) - Phraseformer: Multimodal Key-phrase Extraction using Transformer and
Graph Embedding [3.7110020502717616]
我々は,変換器とグラフ埋め込み技術を用いて,多モーダルなキーフレーズ抽出手法であるPhraseformerを開発した。
Phraseformerでは、各キーワード候補は、テキストと構造学習表現の連結であるベクトルによって提示される。
Inspec、SemEval2010、SemEval 2017の3つのデータセット上でのPhraseformerの性能をF1スコアで解析する。
論文 参考訳（メタデータ） (2021-06-09T09:32:17Z) - Keyphrase Extraction with Dynamic Graph Convolutional Networks and
Diversified Inference [50.768682650658384]
キーワード抽出(KE)は、ある文書でカバーされている概念やトピックを正確に表現するフレーズの集合を要約することを目的としている。
最近のシークエンス・ツー・シークエンス(Seq2Seq)ベースの生成フレームワークはKEタスクで広く使われ、様々なベンチマークで競合性能を得た。
本稿では,この2つの問題を同時に解くために,動的グラフ畳み込みネットワーク(DGCN)を採用することを提案する。
論文 参考訳（メタデータ） (2020-10-24T08:11:23Z) - A Joint Learning Approach based on Self-Distillation for Keyphrase
Extraction from Scientific Documents [29.479331909227998]
キーフレーズ抽出(英: Keyphrase extract)は、文書を最もよく記述するフレーズの小さなセットを抽出するタスクである。
タスクの既存のベンチマークデータセットは、通常、注釈付きドキュメントの数に制限がある。
本稿では, 自己蒸留の考え方に基づく, シンプルで効率的な共同学習手法を提案する。
論文 参考訳（メタデータ） (2020-10-22T18:36:31Z) - Select, Extract and Generate: Neural Keyphrase Generation with
Layer-wise Coverage Attention [75.44523978180317]
本稿では,2つの主要成分からなるニューラルキーフレーズ生成モデルであるemphSEG-Netを提案する。
科学的およびWeb文書から得られた7つのキーフレーズ生成ベンチマークの実験結果は、SEG-Netが最先端のニューラル生成手法よりも大きなマージンで優れていることを示している。
論文 参考訳（メタデータ） (2020-08-04T18:00:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。