一种用于知识图谱文本生成与语义解析的无监督联合系统
计算与语言
2020-11-18 v4 人工智能
摘要
知识图谱（KGs）在不同领域间差异很大。因此，无论是图到文本生成还是文本到图的知识抽取（语义解析），监督方法始终受限于领域特定平行图-文本数据的匮乏；同时，由于实体和关系几乎或完全无重叠，将在不同领域上训练的模型进行适配往往不可行。这一现状呼唤一种（1）不需要大量标注数据，从而（2）无需依赖领域适配技术即可在不同领域良好工作的方法。为此，我们提出首个从知识图谱进行无监督文本生成的方法，并同时展示其如何用于无监督语义解析。我们在 WebNLG v2.1 和一个利用来自 Visual Genome 的场景图的新基准上评估了我们的方法。我们的系统在两项文本图转换任务上均优于强基线，且无需在数据集间进行任何人工适配。在额外实验中，我们考察了使用不同无监督目标的影响。
引用
@article{arxiv.1904.09447,
title = {An Unsupervised Joint System for Text Generation from Knowledge Graphs and Semantic Parsing},
author = {Martin Schmitt and Sahand Sharifzadeh and Volker Tresp and Hinrich Schütze},
journal= {arXiv preprint arXiv:1904.09447},
year = {2020}
}
备注
Accepted as long paper to EMNLP 2020