面向文本转图与图转文本的多任务半监督框架

人工智能行业经常开发主要依赖知识库的应用，知识库是关于特定或通用领域的数据仓库，通常以图结构表示。与其他数据库类似，它们面临两个主要挑战：信息摄取与信息检索。我们通过联合学习从文本抽取图以及从图生成文本来应对这些挑战。所提出的解决方案是一个T5架构，在我们收集的非平行数据上，遵循循环训练机制，于多任务半监督环境中训练。在WebNLG数据集上的实验表明，我们的方法在文本到图和图到文本上超越了无监督的state-of-the-art结果。更相关的是，我们的框架在已见和未见领域上比有监督模型更具一致性。所得模型可通过在我们的循环框架中简单添加关于新领域的文本和图，利用非平行数据在任何新领域轻松训练。