DualTKB：文本与知识库之间的对偶学习桥梁
计算与语言
2020-10-29 v1 机器学习
摘要
在本工作中，我们提出了一种对偶学习方法，用于常识知识库中无监督的文本到路径和路径到文本的转换。我们通过创建一个弱监督数据集来研究弱监督的影响，并表明即使是极少量的监督也能显著提升模型性能并实现更高质量的转换。我们考察了不同的模型架构和评估指标，并提出了一种专为生成模型量身定制的常识知识库补全指标。大量实验结果表明，所提出的方法与现有基线相比极具优势。该方法向更先进的自动知识库构建/扩展以及将知识库转换为连贯文本描述的逆操作系统迈出了可行的一步。
引用
@article{arxiv.2010.14660,
title = {DualTKB: A Dual Learning Bridge between Text and Knowledge Base},
author = {Pierre L. Dognin and Igor Melnyk and Inkit Padhi and Cicero Nogueira dos Santos and Payel Das},
journal= {arXiv preprint arXiv:2010.14660},
year = {2020}
}
备注
Equal Contributions of Authors Pierre L. Dognin, Igor Melnyk, and Inkit Padhi. Accepted at EMNLP'20