Coherent Keyphrase Extraction via Web Mining
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Keyphrases are useful for a variety of purposes,\nincluding summarizing, indexing, labeling,\ncategorizing, clustering, highlighting, browsing, and\nsearching. The task of automatic keyphrase extraction\nis to select keyphrases from within the text of a given\ndocument. Automatic keyphrase extraction makes it\nfeasible to generate keyphrases for the huge number of\ndocuments that do not have manually assigned\nkeyphrases. A limitation of previous keyphrase\nextraction algorithms is that the selected keyphrases are\noccasionally incoherent. That is, the majority of the\noutput keyphrases may fit together well, but there may\nbe a minority that appear to be outliers, with no clear\nsemantic relation to the majority or to each other. This\npaper presents enhancements to the Kea keyphrase\nextraction algorithm that are designed to increase the\ncoherence of the extracted keyphrases. The approach is\nto use the degree of statistical association among\ncandidate keyphrases as evidence that they may be\nsemantically related. The statistical association is\nmeasured using web mining. Experiments demonstrate\nthat the enhancements improve the quality of the\nextracted keyphrases. Furthermore, the enhancements\nare not domain-specific: the algorithm generalizes well\nwhen it is trained on one domain (computer science\ndocuments) and tested on another (physics documents).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle