（通訊員黃永）我院2021級(jí)博士研究生姜藝以第一作者身份撰寫(xiě)的論文被信息科學(xué)領(lǐng)域頂級(jí)期刊國(guó)際信息科學(xué)與技術(shù)學(xué)會(huì)會(huì)刊（Journal of the Association for Information Science and Technology，JASIST）錄用。論文題目為“Generating Keyphrases for Readers: A Controllable Keyphrase Generation Framework”，指導(dǎo)教師和通訊作者為我院院長(zhǎng)、信息檢索與知識(shí)挖掘研究所所長(zhǎng)陸偉教授。

隨著關(guān)鍵詞在信息檢索與自然語(yǔ)言處理任務(wù)中的廣泛應(yīng)用，關(guān)鍵詞抽取逐漸興起。然而，由于深度學(xué)習(xí)的端到端學(xué)習(xí)機(jī)制，使模型能夠直接學(xué)習(xí)文本的重要語(yǔ)義信息，在統(tǒng)計(jì)層面上重要的關(guān)鍵詞對(duì)相關(guān)任務(wù)的貢獻(xiàn)越來(lái)越小。同樣，由于大多數(shù)論文的關(guān)鍵詞幾乎都沒(méi)有明確標(biāo)注其與論文內(nèi)容的對(duì)應(yīng)關(guān)系，這使得讀者無(wú)法像作者一樣清晰地知道各個(gè)關(guān)鍵詞在特定上下文中的語(yǔ)義角色，即關(guān)鍵詞功能。相對(duì)作者而言，讀者所見(jiàn)的關(guān)鍵詞語(yǔ)義并不完整（如下圖所示），僅根據(jù)關(guān)鍵詞文本本身難以快速理解文章的主要內(nèi)容。在某種程度上，關(guān)鍵詞似乎不夠重要，關(guān)鍵詞抽取的必要性也有待商榷。

不同于關(guān)鍵詞，實(shí)體的類(lèi)別明確界定了其所屬的知識(shí)范疇，極大地規(guī)避了語(yǔ)義缺失問(wèn)題。同時(shí)，有研究指出，明確論文中特定類(lèi)別的重要概念，將有助于快速回答研究工作的主要內(nèi)容，比如“本文提出或改進(jìn)了某方法，解決了某問(wèn)題”。受此啟發(fā)，該研究嘗試為關(guān)鍵詞標(biāo)注功能類(lèi)別，以完善關(guān)鍵詞的語(yǔ)義信息，使其在輔助讀者快速了解論文核心內(nèi)容方面充分發(fā)揮作用。通過(guò)用戶(hù)實(shí)驗(yàn)，驗(yàn)證了關(guān)鍵詞功能對(duì)輔助讀者快速理解論文主要內(nèi)容的有效性。在此基礎(chǔ)上，該研究重新審視了關(guān)鍵詞自動(dòng)抽取任務(wù)，提出生成特定語(yǔ)義功能的關(guān)鍵詞，以彌合讀者與論文作者在關(guān)鍵詞理解層面的語(yǔ)義鴻溝，進(jìn)而構(gòu)建并實(shí)現(xiàn)了一個(gè)可控的關(guān)鍵詞生成框架——CKPG (Controllable Keyphrase Generation framework)。

該研究分別基于Transformer、BART和T5實(shí)現(xiàn)了CKPG模型并取得了較好的實(shí)驗(yàn)效果，P@5、R@5和F1@5的宏平均值分別高達(dá)0.680、0.535和0.558。相關(guān)實(shí)驗(yàn)結(jié)果表明，CKPG模型能夠生成語(yǔ)義邊界清晰、功能類(lèi)別分明的論文關(guān)鍵詞。另外，論文對(duì)比了先抽取再分類(lèi)的兩階段方法。假設(shè)第一階段的關(guān)鍵詞抽取準(zhǔn)確率為100%，在第二階段，基于詞頻、位置信息、文本相似度等5個(gè)特征訓(xùn)練了多個(gè)分類(lèi)模型，對(duì)在文中出現(xiàn)的全部關(guān)鍵詞進(jìn)行功能分類(lèi)。實(shí)驗(yàn)結(jié)果表明，在最大化兩階段方法抽取準(zhǔn)確率的前提下，端到端的CKPG模型也更具優(yōu)勢(shì)，充分證明了該模型對(duì)于所提關(guān)鍵詞生成任務(wù)的有效性。

論文鏈接：https://doi.org/10.1002/asi.24749