論文の概要: Building a Multimodal Dataset of Academic Paper for Keyword Extraction

• arxiv url: http://arxiv.org/abs/2606.31069v1
• Date: Tue, 30 Jun 2026 02:57:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.048988
• Title: Building a Multimodal Dataset of Academic Paper for Keyword Extraction
• Title（参考訳）: キーワード抽出のための学術論文のマルチモーダルデータセットの構築
• Abstract要約: 本研究の目的は,異なるモーダル情報に対するキーワード抽出タスクの性能差と多モーダル情報の融合について検討することである。 論文テキスト,画像テキスト,音声テキストの結合は,学術論文のキーワード抽出性能を効果的に向上させることができる。
• 参考スコア（独自算出の注目度）: 16.902387570889335
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Up to this point, keyword extraction task typically relies solely on textual data. Neglecting visual details and audio features from image and audio modalities leads to deficiencies in information richness and overlooks potential correlations, thereby constraining the model's ability to learn representations of the data and the accuracy of model predictions. Furthermore, the currently available multimodal datasets for keyword extraction task are particularly scarce, further hindering the progress of research on multimodal keyword extraction task. Therefore, this study constructs a multimodal dataset of academic paper consisting of 1000 samples, with each sample containing paper text, images, audios and keywords. Based on unsupervised and supervised methods of keyword extraction, experiments are conducted using textual data from papers, as well as text extracted from images and audio. The aim is to investigate the differences in performance in keyword extraction task with respect to different modal information and the fusion of multimodal information. The experimental results indicate that text from different modalities exhibits distinct characteristics in the model. The concatenation of paper text, image text and audio text can effectively enhance the keyword extraction performance of academic papers.
• Abstract（参考訳）: この時点まで、キーワード抽出タスクは典型的にはテキストデータにのみ依存する。 画像とオーディオのモダリティから視覚的詳細やオーディオ特徴を無視すると、情報豊かさの欠如が生じ、潜在的な相関性を見落とし、モデルがデータの表現とモデルの予測精度を学習する能力が制限される。 さらに、現在利用可能なキーワード抽出タスクのマルチモーダルデータセットは特に乏しく、マルチモーダルキーワード抽出タスクの研究の進展を妨げている。 そこで本研究では,1000のサンプルからなる学術論文のマルチモーダルデータセットを構築し,各サンプルにはテキスト,画像,音声,キーワードが含まれている。 キーワード抽出の教師なしおよび教師なしの手法に基づいて,論文のテキストデータと画像と音声から抽出したテキストを用いて実験を行う。 本研究の目的は,異なるモーダル情報に対するキーワード抽出タスクの性能差と多モーダル情報の融合について検討することである。 実験結果から,異なるモダリティのテキストがモデルに異なる特徴を示すことが明らかとなった。 論文テキスト,画像テキスト,音声テキストの結合は,学術論文のキーワード抽出性能を効果的に向上させることができる。

関連論文リスト

• ATIR: Towards Audio-Text Interleaved Contextual Retrieval [63.68521448682396]
  本稿では,Audio-Text Interleaved contextual Retrieval (ATIR)タスクを導入する。 このベンチマークは、意味検索における既存の音声検索データセットの限界を実質的に解決する。
  論文  参考訳（メタデータ） (2026-04-22T07:11:58Z)
• Enhancing Unsupervised Keyword Extraction in Academic Papers through Integrating Highlights with Abstract [7.006270460190784]
  本稿では,重要発見とコントリビューションの要約として,ハイライトセクションに焦点を当てる。 分析の結果,ハイライトには意味のあるキーワード情報が含まれており,要約を効果的に補完できることがわかった。 コンピュータサイエンス(CS)、ライブラリー・アンド・インフォメーション・サイエンス(LIS)データセットに関する4つの教師なしモデルで実験を行った。
  論文  参考訳（メタデータ） (2026-04-21T14:22:21Z)
• Towards Text-Image Interleaved Retrieval [49.96332254241075]
  テキスト画像検索(TIIR)タスクを導入し、クエリと文書をインターリーブしたテキスト画像シーケンスとする。 我々は、自然にインターリーブされたwikiHowチュートリアルに基づいてTIIRベンチマークを構築し、インターリーブされたクエリを生成するために特定のパイプラインを設計する。 異なる粒度で視覚トークンの数を圧縮する新しいMMEを提案する。
  論文  参考訳（メタデータ） (2025-02-18T12:00:47Z)
• OCRBench: On the Hidden Mystery of OCR in Large Multimodal Models [122.27878464009181]
  テキスト関連視覚タスクにおいて, GPT4V や Gemini などの大規模マルチモーダルモデルの包括的評価を行った。 OCRBenchには29のデータセットがあり、最も包括的なOCR評価ベンチマークが利用できる。
  論文  参考訳（メタデータ） (2023-05-13T11:28:37Z)
• Improving Keyphrase Extraction with Data Augmentation and Information Filtering [67.43025048639333]
  キーフレーズ抽出はNLPにおける文書理解に不可欠なタスクの1つである。 本稿では,Behanceプラットフォーム上でストリームされたビデオからキーフレーズを抽出するための新しいコーパスと手法を提案する。
  論文  参考訳（メタデータ） (2022-09-11T22:38:02Z)
• TRIE++: Towards End-to-End Information Extraction from Visually Rich Documents [51.744527199305445]
  本稿では,視覚的にリッチな文書からエンド・ツー・エンドの情報抽出フレームワークを提案する。 テキスト読み出しと情報抽出は、よく設計されたマルチモーダルコンテキストブロックを介して互いに強化することができる。 フレームワークはエンドツーエンドのトレーニング可能な方法でトレーニングでき、グローバルな最適化が達成できる。
  論文  参考訳（メタデータ） (2022-07-14T08:52:07Z)
• Generating More Pertinent Captions by Leveraging Semantics and Style on Multi-Source Datasets [56.018551958004814]
  本稿では,データソースの非一様結合をトレーニングすることで,流動的な記述を生成するタスクに対処する。 ノイズの多い画像とテキストのペアを持つ大規模データセットは、サブ最適の監視源を提供する。 本稿では,検索コンポーネントから抽出したスタイルトークンとキーワードを組み込むことにより,セマンティクスと記述スタイルを活用・分離することを提案する。
  論文  参考訳（メタデータ） (2021-11-24T19:00:05Z)
• Multi-Document Keyphrase Extraction: A Literature Review and the First Dataset [24.91326715164367]
  文書の集合を記述するのに有用であるにもかかわらず、多文書キーフレーズ抽出は頻繁に研究されている。 ここでは、最初の文献レビューとタスクのための最初のデータセットであるMK-DUC-01を紹介し、新しいベンチマークとして機能する。
  論文  参考訳（メタデータ） (2021-10-03T19:10:28Z)
• 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)
• TRIE: End-to-End Text Reading and Information Extraction for Document Understanding [56.1416883796342]
  本稿では,統合されたエンドツーエンドのテキスト読解と情報抽出ネットワークを提案する。 テキスト読解のマルチモーダル視覚的特徴とテキスト的特徴は、情報抽出のために融合される。 提案手法は, 精度と効率の両面において, 最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-05-27T01:47:26Z)

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。