Bangla Key2Text：面向低资源语言的关键词文本生成

本文介绍了 \textit{Bangla Key2Text}，一个包含 $2.6$ 百万个 Bangla 关键词-文本对的大规模数据集，专为低资源语言的关键词驱动文本生成而设计。该数据集使用基于 BERT 的关键词抽取流水线构建，应用于数百万篇 Bangla 新闻文本，将原始文章转化为适合监督学习的结构化关键词-文本对。为了建立在这个新基准上的基线性能，我们微调了两个序列到序列模型 \texttt{mT5} 和 \texttt{BanglaT5}，并使用多种自动指标和人工评估对它们进行评价。实验结果表明，与零样本大语言模型相比，特定任务的微调显著改善了 Bangla 中关键词条件的文本生成。数据集、训练好的模型和代码已公开发布，以支持未来在 Bangla 自然语言生成和关键词到文本生成任务方面的研究。