KPTimes

关键词生成是预测一组传达源文本主要内容的词汇单元的任务。用于生成关键短语的现有数据集仅适用于学术领域，并且包括非专家注释。在本文中，我们介绍了 KPTimes，这是一个大规模的新闻文本数据集，与编辑器策划的关键词配对。通过探索数据集，我们展示了编辑者如何标记文档，以及它们的注释与现有数据集中的注释有何不同。我们还在 KPTimes 上训练和评估最先进的神经关键词生成模型，以深入了解它们在新闻领域的表现。该数据集可在 https://github.com/ygorg/KPTimes 在线获取。Keyword generation refers to the task of predicting a set of lexical units that convey the core content of a source text. Existing datasets for keyphrase generation are only applicable to the academic domain and involve non-expert annotations. In this paper, we introduce KPTimes, a large-scale news text dataset paired with editor-curated keywords. By exploring this dataset, we demonstrate how editors annotate documents and how their annotations differ from those in existing datasets. We additionally train and evaluate state-of-the-art neural keyword generation models on KPTimes to gain insights into their performance in the news domain. This dataset is publicly available at https://github.com/ygorg/KPTimes.

搜集汇总

背景与挑战

背景概述

KPTimes是一个大规模新闻文本数据集，专为关键词生成任务设计，其特点在于包含编辑者策划的关键词，区别于传统的学术领域数据集。该数据集由南特大学于2019年发布，可用于训练和评估神经关键词生成模型在新闻领域的性能。