PositionRank: An Unsupervised Approach to Keyphrase Extractionfrom Scholarly Documents解读二
2021SC@SDUSC
相关问题
影响模型性能的参数
扫描窗大小w会影响模型结果。因为w决定会决定哪些边加入图,以及边的权重大小。作者对不同的w在不同数据集上进行测试,发现当w的取值为2-10时,差别并不显著。
补充:MRR,对所有查询的相关结果的位置取倒数累加并平均,也就是说当相关结果出现的越早时MRR得分越高。
进行PageRank计算时的阻尼系数α也会可能会影响模型的表现,经测试,取值对结果没有显著影响。
对所有位置信息求和vs只考虑关键词第一次出现的位置
经实验,使用所有位置信息的性能表现要优于仅仅考虑单词的第一次的出现的位置。
位置信息在关键词的提取中起到了多大的作用
作者将PositionRank模型与其他两种未使用位置信息的Pagerank模型进行对比,经实验,使用位置信息的PageRank算法性能有极大的提升。
PositionRank与当今主流方法对比
strong baseline: TF-IDF, ExpandRank, and TopicalPageRank (TPR)
作者提到本模型的性能表现要全面优于使用了更多参数并且拥有更为复杂结构的TPR。同时要注意ExpandRank使用了额外的语义数据集。