图表到文本：通过适配 Transformer 模型为图表生成自然语言描述
计算与语言
2020-12-01 v2 人工智能
摘要
条形图和折线图等信息可视化在探索数据和传达见解方面非常流行。对于某些人（例如视障人士或可视化素养较低者）来说，解释和理解此类可视化可能具有挑战性。在这项工作中，我们引入了一个新数据集并提出了一种用于自动生成图表自然语言摘要的神经模型。生成的摘要提供了对图表的解释并传达了该图表中的关键见解。我们的神经模型通过扩展用于数据到文本生成任务的当前最优（state-of-the-art）模型而开发，该模型利用基于 transformer 的编码器-解码器架构。我们发现我们的方法在内容选择指标上大幅优于基础模型（55.42% 对比 8.49%），并生成更具信息性、简洁和连贯的摘要。
引用
@article{arxiv.2010.09142,
title = {Chart-to-Text: Generating Natural Language Descriptions for Charts by Adapting the Transformer Model},
author = {Jason Obeid and Enamul Hoque},
journal= {arXiv preprint arXiv:2010.09142},
year = {2020}
}
备注
10 pages