DESCGEN：用于生成抽象式实体描述的长距离监督数据集
计算与语言
2021-06-18 v2 人工智能
摘要
实体的简短文本描述提供了其关键属性的摘要，并已被证明是实体链接和问答等任务的有用背景知识来源。然而，生成实体描述，尤其是针对新的和长尾实体，可能具有挑战性，因为相关信息通常分散在多个具有不同内容与风格的来源中。我们提出 DESCGEN：给定散布于多个文档中的提及，目标是生成实体摘要描述。DESCGEN 包含来自 Wikipedia 和 Fandom 的 37K 个实体描述，每个平均配有九个证据文档。这些文档通过结合实体链接与指向 Wikipedia 和 Fandom 实体页面的超链接收集，共同提供了高质量的长距离监督。所得摘要比现有数据集中的更具抽象性，并为描述新兴实体这一挑战提供了更好的代理。我们还提出了一个先抽取后生成的双阶段基线，并表明最先进模型与人类表现之间存在较大差距（ROUGE-L 上 19.9%），意味着该数据将支持重要的未来工作。
引用
@article{arxiv.2106.05365,
title = {DESCGEN: A Distantly Supervised Dataset for Generating Abstractive Entity Descriptions},
author = {Weijia Shi and Mandar Joshi and Luke Zettlemoyer},
journal= {arXiv preprint arXiv:2106.05365},
year = {2021}
}