用于 E2E NLG 挑战赛的字符到字符生成与重排序
计算与语言
2018-11-15 v1 机器学习
摘要
本文描述了我们向 E2E NLG 挑战赛提交的系统。近来，神经 seq2seq 方法已成为 NLG 的主流，常借助词级预处理（去词汇化）与后处理（再词汇化）步骤来处理罕见词。相比之下，我们训练了一个简单的字符级 seq2seq 模型，它无需任何前/后处理（去词汇化、分词甚至小写化），却取得了令人惊讶的良好结果。为进一步提升效果，我们探索了两种对候选进行打分的重排序方法。我们还引入了一种合成数据集创建流程，为自然语言生成中人工数据集的构建开辟了新途径。
引用
@article{arxiv.1811.05826,
title = {Char2char Generation with Reranking for the E2E NLG Challenge},
author = {Shubham Agarwal and Marc Dymetman and Eric Gaussier},
journal= {arXiv preprint arXiv:1811.05826},
year = {2018}
}