從短片段中提取關鍵短語

Question

儘管關於如何從文檔中提取關鍵字/短語的信息很多，但我無法找到關於如何從片段（不一定是句子）中提取關鍵短語的技術。下面是一些例子：

• 藝術博物館和中國美術館 - >博物館和畫廊海軍
• 戰役的日俄戰爭 - >海戰，該日俄戰爭

一可以建議簡單地使用NLP工具包並解析樹並提取名詞短語。我想知道有沒有更好的方法。

Answer 1

該方法取決於您想要提取什麼樣的短語或關鍵字。

如果短語的類型定義得很好，最好的方法可能是解析片段，然後用一些規則從解析樹中提取。只要片段是適當的英文，解析器應該以與完整句子相同的質量來處理它們。

更一般地說，您也可以將此問題作爲機器學習問題來處理。如果您有足夠的數據，即碎片對和應該提取的內容，則可以使用它來訓練模型。常見的方法將是

• sequence labeling - 標記爲每個令牌是否應該被保持或者丟棄，使用CRFs或RNNs
• sequence-to-sequence models - 編碼輸入序列，然後生成新的，輸出更短的，使用的組合兩個RNN

在NLP文獻中，您可以查找句子壓縮/彙總。最近首次提出上述第二種方法的論文是：

• A Neural Attention Model for Abstractive Sentence Summarization - Rush et al。 2015