《Deep Keyphrase Generation》阅读笔记

论文来源:ACL2017  链接:http://www.aclweb.org/anthology/P/P17/P17-1054.pdf


keyphrase:高度总结的,可以用于理解的文本信息

过去的方法:将需要总结的内容转换成multiple text chunks,然后选择最有意义的。

这些方法不能找到没出现在文本中的keyphrase,也不能捕捉真实的情感意义。

本文的方法: a generative model for keyphrase prediction with an encoder-decoder framework.

过去的方法:1,准备keyphrase candidate,研究人员使用n-grams或者名词短语with certain part-of-speech patterns for identifying potential candiates。2,在文档中对这些candidates排序。

过去方法的缺点:只能提取source text中的,不能预测有一点顺序不同的keyphrase。

本文中:与源文并不那么匹配的是absent keyphrases ,完全匹配源文的是present keyphrases。本文通过模拟人类总结keyphrase的方法,先理解全文,然后生成。

使用RNN压缩semantic information,本文加入了copying mechanism来使模型可以基于位置信息找到重要部分。


!!!文本的contribution:1. RNN+copying 2.recall up to 20% of absent keyphrases,3实验


Encoder-Decoder Model:

最初是用在翻译问题上,可以对不同长度的序列建模,同时也是端对端的

本文的方法:

将问题转换为  一个序列 与该序列的keyphrase的对应的问题

问题定义

encoder RNN:

变长序列: x = (x1, x2, ... xT)  到隐状态:h = (h1, h2,... hT), 通过如下迭代:

f是一个非线性函数

上下文向量c,q是一个非线性函数:

上下文 context vector c


decoder RNN:

解压 context vector 并且生成变长的序列: y = (y1, y2, ..yT') word by word,through a conditional language model

st是decoder RNN时间t的隐状态。非线性函数g是一个softmax分类器,它的输出是vocabulary中所有词的概率。yt是时间t的预测词,是取了g(...)的最大概率。

encoder和decoder网络是联合训练的,最大化 the conditional probability of the target sequence, given a source sequence.

训练之后,使用beam search来生成phrase 和   a max heap is maintained to get the predicted word sequences with the highest probabilities.


Encoder和Decoder的细节:

encoder使用GRU,过去的研究表明GRU的performance比简单的RNN和LSTM好,所以非线性方程f都用GRU替换!!!(不懂啊!!!为啥f用GRU替换),decoder使用前向GRU。除此之外,attention机制也被使用啦啦啦啦~~~~上下文向量c用带有权重的隐状态计算得到:


Copying mechanism:

为了确保学习质量和减少vocabulary的大小,RNN考虑了频繁的词,而大部分长尾词被忽略了。因此RNN不能recall任何不在vocabulary的词。实际上,重要的短语可以通过位置和句法信息。copying mechanism可以让RNN能预测out-of-vocabulary的词,通过从source text中挑选合适的词。

因此the probability of predicting each new word yt consists of two parts. 第一部分是generating the term的概率(公式3),第二部分是 the probability of copying it from the source text.

copying机制考虑了位置信息,generative RNN是从vocabulary中预测下一个词的,而copying part是从source text中获取的,因此,有copying机制的RNN可以预测out-of-vocabulary的但是还是in source text的词。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,686评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,668评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,160评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,736评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,847评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,043评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,129评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,872评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,318评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,645评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,777评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,470评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,126评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,861评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,095评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,589评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,687评论 2 351

推荐阅读更多精彩内容