一刀切不适用：可变数量关键短语的生成与评估

不同文本本质上应对应不同数量的关键短语。这一需求在现有神经关键短语生成模型中基本缺失。本研究从建模与评估两方面解决该问题。我们首先提出一种循环生成模型，将多个关键短语生成为分隔符分隔的序列。通过操纵译码器隐藏态的两种新技术进一步增强了生成多样性。与先前方法不同，我们的模型能够生成多样关键短语并控制输出数量。我们进一步提出两种针对可变数量生成的评估指标。我们还引入新数据集 StackEx，其拓展了关键短语生成任务中唯一现有体裁（即学术写作）之外的范畴。借助新旧评估指标，我们的模型在所有数据集上均优于强基线。