Query-Based Keyphrase Extraction from Long Documents

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F22%3APU145669" target="_blank" >RIV/00216305:26230/22:PU145669 - isvavai.cz</a>

Výsledek na webu

<a href="https://journals.flvc.org/FLAIRS/article/view/130737" target="_blank" >https://journals.flvc.org/FLAIRS/article/view/130737</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.32473/flairs.v35i.130737" target="_blank" >10.32473/flairs.v35i.130737</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Query-Based Keyphrase Extraction from Long Documents

Popis výsledku v původním jazyce

Transformer-based architectures in natural language processing force input size limits that can be problematic when long documents need to be processed. This paper overcomes this issue for keyphrase extraction by chunking the long documents while keeping a global context as a query defining the topic for which relevant keyphrases should be extracted. The developed system employs a pre-trained BERT model and adapts it to estimate the probability that a given text span forms a keyphrase. We experimented using various context sizes on two popular datasets, Inspec and SemEval, and a large novel dataset. The presented results show that a shorter context with a query overcomes a longer one without the query on long documents.

Název v anglickém jazyce

Query-Based Keyphrase Extraction from Long Documents

Popis výsledku anglicky

Transformer-based architectures in natural language processing force input size limits that can be problematic when long documents need to be processed. This paper overcomes this issue for keyphrase extraction by chunking the long documents while keeping a global context as a query defining the topic for which relevant keyphrases should be extracted. The developed system employs a pre-trained BERT model and adapts it to estimate the probability that a given text span forms a keyphrase. We experimented using various context sizes on two popular datasets, Inspec and SemEval, and a large novel dataset. The presented results show that a shorter context with a query overcomes a longer one without the query on long documents.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/FW03010656" target="_blank" >FW03010656: Multilingvální asistent pro hledání, analýzu a zpracování informací a podporu rozhodování</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2022

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

The International FLAIRS Conference Proceedings

ISBN

—

ISSN

2334-0762

e-ISSN

—

Počet stran výsledku

4

Strana od-do

1-4

Název nakladatele

LibraryPress@UF

Místo vydání

Jensen Beach

Místo konání akce

Hutchinson Island, Jensen Beach, Florida, USA

Datum konání akce

15. 5. 2022

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—