论文阅读：Keyphrase Extraction for N-best Reranking in Multi-Sentence Compression

最新推荐文章于 2024-09-19 07:36:25 发布

Shirveon

最新推荐文章于 2024-09-19 07:36:25 发布

阅读量1.4k

点赞数

分类专栏：自动文摘 keyphrase

本文链接：https://blog.youkuaiyun.com/u014435314/article/details/81210712

版权

本文扩展了Filippova的基于词图的多句压缩方法，通过添加关键词提取的重排名步骤，选择包含最多相关关键词的压缩结果。文章介绍了TextRank计算节点显著性，生成并评估关键词候选，以及在多条路径上进行重排序的策略，以提升压缩信息的丰富性。同时，使用ROUGE评估时进行了停用词移除和词干化处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

作者： Florian Boudin and Emmanuel Morin
来源： 2013 NAACL-HLT
概述:
这篇文章扩展了Filippova (2010)’s word graph-based MSC方法，添加了一个re-reranking步骤，使得包含最多相关关键词的compression被选择出来。
资源：
1. 代码：https://github.com/boudinfl/takahe
2. 数据集：https://github.com/boudinfl/lina-msc
相关工作：
1. Multi-sentence compression
a) Use a syntactic parser (control the grammaticality of the output)
b) Word graph-based approaches that only require a POS tagger (The key assumption is that the redundancy provides a reliable way of generating grammatical sentences. )
2. Keyphrase extraction
Supervised: 将其视为一个二分类问题，缺点：the need for training data; the bias towards the domain
Unsupervised: a) langu