search

yskn67 / reading_papers

reading papers memorandum
MIT License
1 stars 0 forks source link

Key2Vec: Automatic Ranked Keyphrase Extraction from Scientific Articles using Phrase Embeddings #6

Open yskn67 opened 4 years ago

yskn67 commented 4 years ago

一言でいうと

論文で使用されているKeyphraseをランク付きで抽出する手法 三段階で抽出する

  1. Candidate Selection 品詞付けや固有用言抽出を使用したheuristicな方法で候補を絞る また事前に抽出した候補のembeddingをfasttextを使用して獲得しておく このembeddingはkeyphraseで使用されている単語の平均として獲得するのではなく keyphraseを1単語とみなして直接fasttextのembeddingを獲得するようである

  2. Candidate Scoring 論文ごとにtheme excerptを獲得する これはタイトルおよび概要周辺のkeyphrase候補のembedding平均ベクトルとする theme excerptとkeyphrase候補のcosine distanceを重みとして獲得する (この辺りは論文ならではのheuristicsなきがする) (とはいえNewsとかでも先頭のparagraphが概要っぽくなるかも？)

  3. Candidate Ranking 最終的にランキングとして用いるscoreはweighted personalized PageRank algorithmを使用して獲得する グラフはkeyphrase候補列においてwindow size=5での隣接keyphrase候補にedgeを通す edgeの重みは以下のsrの指標とする

    スクリーンショット 2020-02-10 15 10 15

    PageRankのscoreは以下となる スクリーンショット 2020-02-10 15 10 21ここでwはCandidate Scoringの時に求めたtheme excerptとの重みとする

論文リンク

https://www.aclweb.org/anthology/N18-2100/

著者/所属機関

Debanjan Mahata(Bloomberg) John Kuriakose(Infosys Limited) Rajiv Ratn Shah(IIIT-Delhi) Roger Zimmermann(NUS-Singapore)

投稿日付(yyyy/MM/dd)

2018

概要

新規性・差分

手法

結果

コメント