自适应短文本关键词生成模型

摘要：

关键词抽取对文本处理影响较大,其识别的准确度及流畅程度是任务的关键.为有效缓解短文本关键词提取过程中词划分不准确、关键词与文本主题不匹配、多语言混合等难题,提出了一种基于图到序列学习模型的自适应短文本关键词生成模型ADGCN.模型采用图神经网络与注意力机制相结合的方式作为对文本信息特征提取的编码框架,针对词的位置特征和语境特征编码,解决了短文本结构不规律和词之间存在关联复杂信息的问题.同时采用了一种线性解码方案,生成了可解释的关键词.在解决问题的过程中,从某社交平台收集并公布了一个标签数据集,其包括社交平台发文文本和话题标签.实验中,从用户需求角度出发对模型结果的相关性、信息量、连贯性进行评估和分析,所提模型不仅可以生成符合短文本主题的关键词,还可以有效缓解数据扰动对模型的影响.所提模型在公开数据集KP20 k上仍表现良好,具有较好的可移植性.

关键词：关键词提取、关键词生成、图神经网络、注意力机制、主题模型

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：199-208