[论文解读] Unsupervised Keyphrase Extraction with Multipartite Graphs

Florian Boudin|arXiv (Cornell University)|Mar 23, 2018

Advanced Text Analysis Techniques被引用 4

一句话总结

本文提出一种无监督关键词提取模型，通过多部图联合表示关键词候选与主题，利用其相互增强机制提升排序效果。该模型引入一种新颖的边权重调节机制，以整合选择偏好（如早期出现），在三个基准数据集上实现最先进性能，显著提升了主题多样性与排序准确性。

ABSTRACT

We propose an unsupervised keyphrase extraction model that encodes topical information within a multipartite graph structure. Our model represents keyphrase candidates and topics in a single graph and exploits their mutually reinforcing relationship to improve candidate ranking. We further introduce a novel mechanism to incorporate keyphrase selection preferences into the model. Experiments conducted on three widely used datasets show significant improvements over state-of-the-art graph-based models.

研究动机与目标

• 解决现有基于图的关键词提取模型在主题多样性与覆盖度方面的不足。
• 通过建模主题与关键词候选之间的相互增强关系，提升关键词排序性能。
• 在无监督条件下，将选择偏好（如位置、词汇特征）整合进图排序过程。
• 通过图结构隐式强制多样性，降低对主题聚类质量的依赖。
• 在无需标注数据或复杂超参数调优的情况下，实现标准基准上的优越性能。

提出的方法

• 构建有向多部图，其中节点为关键词候选与主题，仅在不同主题的节点之间建立边。
• 基于关键词候选与主题之间的共现频率分配边权重。
• 应用图论排序算法（TextRank）对关键词候选进行打分。
• 引入权重调节机制，通过修改边权重来增强具有理想特征的候选（如早期出现）。
• 使用超参数 α 调节权重调节的强度，并在验证集上进行优化。
• 对词干应用层次聚合聚类，将候选分组为主题，避免依赖外部知识库。

实验结果

研究问题

• RQ1 多部图结构能否有效建模关键词候选与主题之间的相互增强关系，从而提升排序性能？
• RQ2 通过边权重调节机制整合选择偏好（如位置、词汇特征）是否能提升关键词提取性能？
• RQ3 能否在不使用硬性约束或主题聚类的情况下，隐式实现主题多样性，从而降低对聚类错误的敏感性？
• RQ4 所提模型在 F1 与 MAP 分数上相较于当前最先进无监督基线模型表现如何？
• RQ5 该模型在多大程度上减少了基线模型因简单词权重求和导致的过生成错误？

主要发现

• 所提模型在所有三个数据集（SemEval-2010、Hulth-2003、Marujo-2012）上均取得最高的 F1 与 MAP 分数，显著优于 TopicRank、PositionRank 与 Single Topical PageRank。
• 在 SemEval-2010 数据集上，模型 F1@10 得分为 0.568，相较最佳基线（PositionRank）实现 4.2% 的相对提升。
• 模型在前 10 个关键词中实现超过 92% 的主题覆盖率，表明其在无硬性约束下有效实现了隐式多样性强制。
• 移除权重调节机制后性能显著下降，尤其在 SemEval-2010 的 F1@5 上，证实了偏好整合的重要性。
• 通过避免简单词权重求和，模型减少了过生成错误，表现为精确率与 MAP 分数的提升。
• 人工检查显示，主题冗余的关键词多源于聚类错误或语义关系（如上下位关系），暗示黄金标准标注存在局限性。