关键短语以短语列表的形式表示文本中最重要的信息,它通常可以作为有效总结文本文档的代理。近年来,随着深度神经网络技术的发展,关键词自动识别技术得到了迅速发展。随着自然语言理解的进步,以及自然语言生成技术使模型能够预测文本中未提及的相关短语,关键词提取方法的性能得到了极大的提高。我们将总结文本的任务命名为关键词提取。
在这个半日的教程中,我们提供了一个关于关键词提取的全面概述,以及使用流行的模型和工具的实践。本教程涵盖了从基本任务到高级主题和应用的重要主题。在课程结束时,学员将更好地理解1)经典的和最先进的关键词提取,2)当前的评估实践及其问题,以及3)当前的趋势和未来的关键词提取研究方向。
https://keyphrasification.github.io/
第一部分-介绍和经典方法
关键词化简介
数据集和评估
关键词提取的传统方法
pke[笔记本]的实践会议
第二部分-现代神经学方法
关键词提取的深度学习方法
关键词生成的深度学习方法
亲自使用dlkp进行会话
第三部分-高级主题
关键词生成信息检索
关键词生成的领域自适应
更好地学习关键词表征
第四部分-结束语/ QA会议
挑战与未来研究方向
问答与讨论
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“FPP” 就可以获取《【干货书】预测原理与实战,Forecasting: Principles & Practice》专知下载链接