Генераторы ключевых слов

На этой странице можно протестировать некоторые простые алгоритмы генерации ключевых слов для русскоязычных научных статей. Адаптация алгоритмов к домену выполнена сотрудниками Национального корпуса русского языка и Лаборатории прикладных цифровых технологий НГУ.

Цитирование

Если вы используете наш сервис в своей научной работе, пожалуйста, процитируйте эту статью:
Морозов Д.А., Глазкова А.В., Тютюльников М.А., Иомдин Б.Л. Генерация ключевых слов для аннотаций русскоязычных научных статей. Вестник НГУ. Серия: Лингвистика и межкультурная коммуникация. 2023;21(1):54-66. https://doi.org/10.25205/1818-7935-2023-21-1-54-66

Некоторые другие наши статьи по теме:

• Applying Transformer-Based Text Summarization for Keyphrase Generation. Glazkova & Morozov (2023) Мы исследовали возможность применения моделей абстрактивной суммаризации (BART и T5) для генерации ключевых фраз на основе четырех наборов научных данных. Оказалось, что трансформерные модели превосходят классические методы по точности и семантической близости, успешно создавая даже те фразы, которых нет в исходном тексте в явном виде. Кроме того, мы обнаружили, что на итоговое качество генерации сильно влияет стратегия упорядочивания ключевых фраз при обучении.
• Exploring Fine-Tuned Generative Models for Keyphrase Selection: A Case Study for Russian. Glazkova & Morozov (2025) Мы изучили эффективность дообучения генеративных моделей-трансформеров, таких как ruT5, ruGPT, mT5 и mBART, для автоматического выбора ключевых фраз в русских научных текстах из разных предметных областей. Мы выяснили, что дообученные модели (особенно mBART) значительно превосходят традиционные методы извлечения по качеству и грамматической точности, причем преимущество сохраняется даже при кросс-доменном тестировании. Использование такого подхода позволило нам эффективно генерировать ключевые фразы, которые отсутствуют в тексте в явном виде, но точно отражают его суть.
• Key Algorithms for Keyphrase Generation: Instruction-Based LLMs for Russian Scientific Keyphrases. Glazkova et al. (2025) Мы оценили способность инструктивных больших языковых моделей (LLM) генерировать ключевые фразы для научных аннотаций на русском языке. Выяснилось, что промпт-методы, особенно с использованием нескольких примеров (few-shot), превосходят традиционные подходы и файн-тюнинг, выдавая качественные результаты даже с простыми инструкциями.