Automatic Key-phrase Extraction to Support the Understanding of Infrastructure Disaster Resilience
Notice bibliographique
Résumé
Automatic Key-phrase Extraction to Support the Understanding of Infrastructure Disaster Resilience Xuan Lv, Syed Ahnaf Morshed and Lu Zhang Pages 1276-1281 (2019 Proceedings of the 36th ISARC, Banff, Canada, ISBN 978-952-69524-0-6, ISSN 2413-5844) Abstract: Preventing natural disasters from causing substantial social-economic damages relies heavily on the disaster resilience of the nation's critical infrastructure. According to the National Academy of Sciences, research on understanding and analyzing the disaster resilience of our infrastructure systems is a "national imperative". To address this need, this paper proposes an automatic keyphrase extraction methodology to extract relevant phrases on disaster resilience from documents in infrastructure domain. In developing the proposed methodology, a document collection including research papers and public reports are prepared. Noun phrases are first extracted from every sentence in the collection and form the candidates for keyphrases following a filtering procedure. Each candidate phrase is then represented as a global semantic vector and a local semantic vector. To select relevant phrases on disaster resilience, a semantic similarly measure is proposed to incorporate the semantics of candidate phrases in both the general and infrastructure domain. Ten physical resilience concepts from a pre-developed community resilience hierarchy is selected as the target concepts to evaluate the performance of the proposed methodology. When evaluated on the document collection, the proposed methodology achieved 66% of precision at top 20 extracted keyphrases on average. Keywords: Infrastructure disaster resilience; Automatic keyphrase extraction; Natural language processing DOI: https://doi.org/10.22260/ISARC2019/0171 Download fulltext Download BibTex Download Endnote (RIS) TeX Import to Mendeley
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,010 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».