反事实食谱生成：在真实场景中探索组合泛化
计算与语言
2022-10-21 v1
摘要
人们可通过阅读以无监督方式获取知识，并将知识组合以做出新颖搭配。本文研究预训练语言模型能否在真实设定下实现组合泛化：食谱生成。我们设计反事实食谱生成任务，要求模型根据食材变化修改基础食谱。该任务在两层要求组合泛化：表层将新食材融入基础食谱，深层调整与变化食材相关的操作。我们收集大规模中文食谱数据集供模型学习烹饪知识，以及一份操作级细粒度标注子集用于评测。我们在食谱语料上微调预训练语言模型，并使用无监督反事实生成方法生成修改后食谱。结果显示，现有模型难以在保留原文风格的同时修改食材，且常遗漏需调整的操作。尽管预训练语言模型能生成流畅食谱文本，却未能真正以组合方式学习并运用烹饪知识。代码与数据见 https://github.com/xxxiaol/counterfactual-recipe-generation。
引用
@article{arxiv.2210.11431,
title = {Counterfactual Recipe Generation: Exploring Compositional Generalization in a Realistic Scenario},
author = {Xiao Liu and Yansong Feng and Jizhi Tang and Chengang Hu and Dongyan Zhao},
journal= {arXiv preprint arXiv:2210.11431},
year = {2022}
}
备注
Accepted by EMNLP 2022 main conference. Project website: https://counterfactual-recipe-generation.github.io/