MetaKP：按需关键短语生成

传统的关键短语预测方法为每篇文档预测单一的关键短语集合，无法满足用户和下游应用的多样化需求。为了弥合这一差距，我们引入了按需关键短语生成，这是一种要求关键短语符合特定高层目标或意图的新范式。针对此任务，我们提出了MetaKP，一个大规模基准，包含新闻和生物医学领域的四个数据集、7500篇文档和3760个目标，并附带人工标注的关键短语。利用MetaKP，我们设计了监督和无监督方法，包括多任务微调方法和基于大语言模型的自一致性提示方法。结果突出了监督微调面临的挑战，其性能对分布偏移不具鲁棒性。相比之下，所提出的自一致性提示方法极大提升了大语言模型的性能，使GPT-4o达到了0.548的SemF1，超越了完全微调的BART-base模型的性能。最后，我们展示了该方法作为通用NLP基础设施的潜力，并以从社交媒体中检测流行病事件为例进行了说明。