ترجمه فارسی مقاله بررسی مدل‌های مولد دقیق برای انتخاب عبارت کلیدی: مطالعه موردی برای زبان روسی

چکیده

Keyphrase selection plays a pivotal role within the domain of scholarly texts, facilitating efficient information retrieval, summarization, and indexing. In this work, we explored how to apply fine-tuned generative transformer-based models to the specific task of keyphrase selection within Russian scientific texts. We experimented with four distinct generative models, such as ruT5, ruGPT, mT5, and mBART, and evaluated their performance in both in-domain and cross-domain settings. The experiments were conducted on the texts of Russian scientific abstracts from four domains: mathematics & computer science, history, medicine, and linguistics. The use of generative models, namely mBART, led to gains in in-domain performance (up to 4.9% in BERTScore, 9.0% in ROUGE-1, and 12.2% in F1-score) over three keyphrase extraction baselines for the Russian language. Although the results for cross-domain usage were significantly lower, they still demonstrated the capability to surpass baseline performances in several cases, underscoring the promising potential for further exploration and refinement in this research field.

چکیده به فارسی (ترجمه ماشینی)

انتخاب Keyphrase نقش مهمی در حوزه متون علمی بازی می کند ، بازیابی اطلاعات کارآمد ، خلاصه و نمایه سازی را تسهیل می کند.در این کار ، ما چگونگی استفاده از مدل های مبتنی بر ترانسفورماتور سازنده تنظیم شده را به کار خاص انتخاب کلید کلید در متون علمی روسی بررسی کردیم.ما با چهار مدل تولیدی مجزا مانند Rut5 ، Rugpt ، MT5 و MBART آزمایش کردیم و عملکرد آنها را در هر دو تنظیمات دامنه و متقابل ارزیابی کردیم.این آزمایشات بر روی متون خلاصه های علمی روسی از چهار حوزه انجام شد: ریاضیات و علوم کامپیوتر ، تاریخ ، پزشکی و زبانشناسی.استفاده از مدل های تولیدی ، یعنی MBART ، منجر به افزایش عملکرد دامنه (حداکثر 4.9 ٪ در Bertscore ، 9.0 ٪ در Rouge-1 و 12.2 ٪ در نمره F1) بیش از سه پایه استخراج کلید برای زبان روسی شد.اگرچه نتایج مربوط به استفاده از دامنه متقابل به طور قابل توجهی پایین تر بود ، اما آنها هنوز توانایی پیشی گرفتن از عملکردهای پایه را در چندین مورد نشان دادند ، و تأکید بر پتانسیل امیدوار کننده برای اکتشافات بیشتر و پالایش در این زمینه تحقیقاتی.