Leveraging Human Reading Behavior for Keyphrase Extraction: A Webcam-based Eye-tracking Corpus

तकनीकी सारांश: मुख्य वाक्यांश निष्कर्षण (Keyphrase Extraction) के लिए मानव पठन व्यवहार का लाभ उठाना

समस्या विवरण
मुख्य वाक्यांश निष्कर्षण (KPE) सूचना पुनर्प्राप्ति (Information Retrieval) में एक मौलिक कार्य है, फिर भी मौजूदा विधियाँ मुख्य रूप से पाठ-आंतरिक संकेतों जैसे कि शब्द आवृत्ति, वाक्यात्मक पैटर्न और प्रासंगिक अर्थशास्त्र (contextual semantics) पर निर्भर करती हैं। ये दृष्टिकोण मानव पठन व्यवहार, विशेष रूप से समझ के दौरान पाठक ध्यान कैसे आवंटित करते हैं, के साथ संबंध को काफी हद तक अनदेखा करते हैं। जबकि आई-ट्रैकिंग अध्ययनों ने स्थापित किया है कि फिक्सेशन पैटर्न संज्ञानात्मक प्रसंस्करण (cognitive processing) के साथ सह-संबंध रखते हैं, आई-ट्रैकिंग डेटा की कमी और पारंपरिक प्रयोगशाला-ग्रेड आई-ट्रैकिंग उपकरणों की उच्च लागत के कारण आई-ट्रैकिंग अंतर्दृष्टि को KPE में लागू करना कठिन है। इसके अलावा, मौजूदा ओपन-सोर्स कॉर्पस (जैसे, ZuCo, GECO) मुख्य रूप से समाचार या उपन्यासों जैसी सामान्य सामग्री पर आधारित हैं, जिनमें लाइब्रेरी एंड इंफॉर्मेशन साइंस (LIS) जैसे डोमेन-विशिष्ट शब्दावली और संरचनात्मक परंपराओं का अभाव है।

कार्यप्रणाली
इन कमियों को दूर करने के लिए, लेखकों ने डेटा संग्रह, कॉर्पस निर्माण और मॉडल एकीकरण को शामिल करने वाला एक व्यापक ढांचा विकसित किया:

1. हल्का डेटा संग्रह प्लेटफॉर्म (Lightweight Data Collection Platform): अध्ययन में एक लागत प्रभावी, वेबकैम-आधारित दृष्टिकोण का उपयोग किया गया जिसमें Flask-आधारित बैकएंड के साथ ओपन-सोर्स SearchGazer जावास्क्रिप्ट लाइब्रेरी को एकीकृत किया गया। यह प्लेटफॉर्म उपभोक्ता-ग्रेड वेबकैम का उपयोग करके वास्तविक समय में गेज़ इन्फरेंस (gaze inference) की अनुमति देता है, जिससे विशेष हार्डवेयर की आवश्यकता समाप्त हो जाती है।
2. कॉर्पस निर्माण (CLIS-ET): लेखकों ने चाइनीज एलआईएस आई-ट्रैकिंग कॉर्पस (CLIS-ET) का निर्माण किया। डेटा दस एलआईएस स्नातकोत्तर छात्रों और वरिष्ठ स्नातक छात्रों से कोर चाइनीज एलआईएस जर्नल्स के 320 एब्स्ट्रैक्ट्स (abstracts) को पढ़ते हुए एकत्र किया गया। प्रयोग में प्रत्येक एब्स्ट्रैक्ट से पहले नौ-बिंदु अंशांकन (nine-point calibration) और पठन के बाद समझ की जांच शामिल थी।
3. विशेषता निष्कर्षण (Feature Extraction): अध्ययन ने शब्द विभाजन (word segmentation) की समस्याओं से बचने के लिए कैरेक्टर-लेवल आई-ट्रैकिंग मेट्रिक्स पर ध्यान केंद्रित किया। तीन प्राथमिक विशेषताओं को निकाला गया और प्रतिभागियों के बीच औसत निकाला गया:
   • फर्स्ट फिक्सेशन ड्यूरेशन (FFD): एक कैरेक्टर पर प्रारंभिक दृष्टि की अवधि।
   • फिक्सेशन नंबर (FN): एक कैरेक्टर पर दृष्टि की कुल संख्या।
   • टोटल फिक्सेशन ड्यूरेशन (TFD): एक कैरेक्टर पर बिताया गया संचयी समय।
     डेटा को वैध फिक्सेशन (16.7ms से 1500ms) बनाए रखने के लिए फ़िल्टर किया गया, और अमान्य कैरेक्टर डेटा (जहाँ >50% प्रतिभागियों के पास वैध डेटा नहीं था) को हटा दिया गया।
4. मॉडल एकीकरण: आई-ट्रैकिंग विशेषताओं को दो श्रेणियों के KPE मॉडलों में शामिल किया गया:
   • रिकरेंट न्यूरल नेटवर्क: BiLSTM, BiLSTM+CRF, अटेंशन-आधारित BiLSTM (Att-BiLSTM), और Att-BiLSTM+CRF। विशेषताओं का उपयोग बाहरी इनपुट या अटेंशन इंडिकेटर के रूप में किया गया।
   • प्री-ट्रेन्ड लैंग्वेज मॉडल्स: BERT, RoBERTa, MacBERT, और Randeng-T5-784M।
5. मूल्यांकन: प्रयोग दो डेटासेट पर किए गए: एक छोटा आई-ट्रैकिंग डेटासेट (Abstract-320) और एक बड़ा सामान्य KPE डेटासेट (Abstract-5190) जो उन्हीं जर्नल स्रोतों से लिया गया है। प्रदर्शन का मूल्यांकन टॉप-3, टॉप-5 और टॉप-10 कीफ्रेज निष्कर्षण पर F1 स्कोर का उपयोग करके किया गया।

प्रमुख योगदान

1. सुलभ डेटा संग्रह विधि: यह शोध मानक वेबकैम का उपयोग करके आई-ट्रैकिंग डेटा एकत्र करने के लिए एक हल्का और स्केलेबल प्लेटफॉर्म पेश करता है, जो डोमेन-विशिष्ट पठन व्यवहार अनुसंधान के लिए बाधाओं को काफी कम कर देता है।
2. CLIS-ET कॉर्पस: यह पहले डोमेन-विशिष्ट आई-ट्रैकिंग कॉर्पस के रूप में चाइनीज एलआईएस अकादमिक एब्स्ट्रैक्ट्स को जारी करता है, जो संज्ञानात्मक KPE अनुसंधान के लिए कैरेक्टर-लेवल मेट्रिक्स (FFD, FN, TFD) प्रदान करता है।
3. संज्ञानात्मक संकेतों का अनुभवजन्य सत्यापन: अध्ययन व्यवस्थित रूप से मूल्यांकन करता है कि व्यक्तिगत और संयुक्त आई-ट्रैकिंग विशेषताएँ विभिन्न मॉडल आर्किटेक्चर में KPE प्रदर्शन को कैसे प्रभावित करती हैं, यह प्रदर्शित करते हुए कि मानव पठन व्यवहार टेक्स्टुअल विशेषताओं के पूरक संकेत प्रदान करता है।

परिणाम

• विशेषता प्रभावकारिता (Feature Efficacy): आई-ट्रैकिंग विशेषताओं को जोड़ने से दोनों डेटासेट और मॉडल प्रकारों में KPE प्रदर्शन में लगातार सुधार हुआ।
  • Abstract-320 डेटासेट पर, FFD विशेषता ने BERT-आधारित मॉडलों के लिए सबसे महत्वपूर्ण सुधार (+2.83% तक) दिया।
  • बड़े Abstract-5190 डेटासेट पर, FN विशेषता के संयोजन ने RoBERTa के साथ उच्चतम प्रदर्शन (44.51% F1@5) प्राप्त किया।
• विशेषता संयोजन: FN+TFD के संयोजन ने Att-BiLSTM+CRF मॉडल पर सर्वश्रेष्ठ प्रदर्शन किया। आम तौर पर, FFF+FN और FN+TFD के संयोजन एकल विशेषताओं या पूर्ण ट्रिपलेट (FFD+FN+TFD) का उपयोग करने की तुलना में अधिक स्थिर सुधार प्रदान करते हैं।
• सांख्यिकीय महत्व: Abstract-320 डेटासेट पर पेयर्ड टी-टेस्ट (paired t-tests) ने पुष्टि की कि आई-ट्रैकिंग विशेषताएँ कई आर्किटेक्चर में सांख्यिकीय रूप से महत्वपूर्ण प्रभाव डालती हैं। विशेष रूप से, FN+TFD और FFD+TFD ने निरंतर महत्व दिखाया, जो सुझाव देता है कि फिक्सेशन फ्रीक्वेंसी और ड्यूरेशन पठन व्यवहार के पूरक पहलुओं को कैप्चर करते हैं।
• डेटासेट स्केल प्रभाव: अध्ययन ने देखा कि सीमित डेटा होने पर शुरुआती-प्रोसेसिंग विशेषताएँ (जैसे FFD) अधिक सूचनात्मक लाभ प्रदान करती हैं, जबकि बड़े डेटासेट में संचयी-प्रोसेसिंग विशेषताएँ (जैसे TFD) गहरे सिमेंटिक मॉडलिंग को बेहतर समर्थन देती हैं।

महत्व और दावे
यह शोध दावा करता है कि मानव पठन व्यवहार को कम्प्यूटेशनल मॉडलों में शामिल करना सांख्यिकीय ह्यूरिस्टिक्स और संज्ञानात्मक प्रक्रियाओं के बीच के अंतर को पाटता है। यह प्रदर्शित करते हुए कि हल्का वेबकैम-आधारित आई-ट्रैकिंग प्रभावी रूप से KPE को बढ़ा सकता है, लेखक NLP के लिए संज्ञानात्मक डेटा एकत्र करने के लिए अधिक सुलभ, लागत प्रभावी दृष्टिकोण का तर्क देते हैं। निष्कर्ष बताते हैं कि आई-ट्रैकिंग विशेषताएँ मूल्यवान सहायक संकेत के रूप में कार्य करती हैं जो सिमेंटिक प्रोसेसिंग की गहराई और लेक्सिकल आइटम्स के महत्व को दर्शाती हैं, जिससे कीफ्रेज निष्कर्षण प्रणालियों की व्याख्यात्मकता और प्रदर्शन में सुधार होता है। यह अध्ययन इस कार्य को मानव-केंद्रित सूचना पुनर्प्राप्ति उपकरण बनाने की दिशा में एक कदम के रूप में स्थापित करता है जो वास्तविक पाठक ध्यान पैटर्न के साथ अधिक निकटता से मेल खाते हैं।