LongKey：长文档关键短语提取

基于摘要分析。本文研究长文档的自动关键短语提取，针对现有方法多聚焦于最多 512 tokens 的短文档这一适用范围局限，提出 LongKey 框架，以编码器式语言模型处理较长文本，并通过 max-pooling embedder 增强候选关键短语表示。其主要研究对象是文本信息提取，而非 EEG 信号建模或 BCI 解码。 机制方面，摘要明确给出的组件是长文本编码与候选短语表示的最大池化。具体编码器、上下文长度、候选短语生成方式、池化范围、排序机制、训练监督及损失形式尚未验证；不能仅据来源栏目将其归类为 State space models 方法。 评估方面，作者报告在 LDKP datasets 及六个多样化、未见数据集上验证 LongKey，并持续优于既有无监督和基于语言模型的关键短语提取方法。摘要未提供具体指标、分数、基线名称及数据划分，因此尚不能量化优势，也不能将“未见数据集”直接解释为已验证的零样本或跨领域泛化协议。实验协议、消融及统计信息尚未验证。 进一步阅读应核对长文档处理的计算开销、最大池化对候选短语表示的独立贡献，以及不同文本长度与领域下的评估条件。摘要没有建立该文本方法与 EEG/BCI 瓶颈的具体机制对应关系，因此不据此提出神经信号迁移效果或复现实验建议；已有 EEG 相关工作尚未检索确认。