arXiv cs.CL· Daria Guseva, Olga Mitrofanova·· 11 小时前AI 评分18
文本与语音的自动关键词提取与标注：现代理论方法与实用方案综述
Automatic keyphrase extraction and annotation: modern theoretical approaches and practical solutions for text and speech
AI 导读
一篇综述系统梳理了文本与语音两种模态下自动关键词提取（KE）的理论方法与实用方案，将该领域从统计方法到 LLM 及端到端语音处理的演进整合进统一分析框架。文章详细分析了统计、混合、机器学习和结构化方法，并重点讨论了基于 LLM 的关键词生成与语料自动标注的方法及挑战。
正文 · AI 翻译
摘要：文本与视听信息的指数级增长，使得自动关键词提取（KE）任务日益重要。本文对文本和语音两种模态下关键词提取的当代理论方法与实践方案进行了全面分析。本工作的主要贡献在于将这些往往彼此割裂的研究脉络系统地整合为一个统一的分析框架，凸显了该领域从统计方法向大语言模型（LLMs）和端到端语音处理的演进。我们考察了关键词提取的各个阶段、书面语与口语中关键词的特征以及术语上的细微差别。文中详细讨论并分析了多种自动关键词提取方法：统计方法、混合方法、基于机器学习的方法以及结构化方法。本综述着重关注新兴范式，包括利用大语言模型进行关键词生成，并详细概述了自动语料标注的方法论与挑战。此外，我们专门分析了口语关键词提取的当前方向与内在困难，比较了基于转写文本的方法与端到端声学方法。这一综合使我们得出结论：该领域正朝着更加集成化、上下文感知的范式发展。未来的进展将取决于能否应对低资源语言数据稀缺、有效的多模态融合以及生成式关键词提取系统的细致评估等关键挑战。
| 主题： | 计算与语言（cs.CL）；人机交互（cs.HC） |
| 引用为： | arXiv:2611.08006 [cs.CL] |
| （或 arXiv:2611.08006v1 [cs.CL] 为本版本） | |
| https://doi.org/10.48550/arXiv.2611.08006 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 期刊 参考： | Research Result: Theoretical and Applied Linguistics 12(1) (2026) 90-122 |
| 相关 DOI： | https://doi.org/10.18413/2313-8912-2026-12-1-0-4
链接至相关资源的 DOI |
提交历史
来自：Olga Mitrofanova [查看邮箱]
[v1]
2026年11月5日 星期四 13:31:35 UTC（2,085 KB）
来源：arXiv cs.CL · arxiv.org