关键短语（keyphrase）提取的模型：BERT

本文根据2020年《Joint Keyphrase Chunking and Salience Ranking with BERT》翻译总结。

本文描述了一个关键短语（keyphrase）提取的模型：BERT-JointKPE.

KeyPhrase Extraction (KPE)是从一个文档中提取重要的主题短语。有点像命名实体识别，但比命名实体范围更适用，因为提取的某些短语不是实体，但却是有意义的短语。

JointKPE 联合采用了两个子网络，一个是分块网络（chunking network）来识别高质量的短语，一个排名网络（ranking network）来学习短语的显著性。JointKPE尤其擅长预测长的keyphrase，并且擅长提取的这些keyphrase一部分不是实体，但却是有意义的短语。

可以看到JointKPE效果很好，超过以前模型。

从下图b可以看出来，JointKPE对于长的keyphrase效果更好。图a是说chunk方法倾向于预测短的keyphrase。

下面图c可以看出来JointKPE对非实体（Non-Entity）短语处理能力也很好，图b说明JointKPE对实体短语处理也很好。