事实与感受：在表格到文本生成中同时捕捉客观性与主观性
计算与语言
2024-06-18 v1
摘要
表格到文本生成是自然语言生成中一个长期存在的挑战，但尚未从主观性的角度进行探索。这里的主观性包括对源自表格的信息的理解，这些信息不能仅由客观数据描述。鉴于缺乏现成的数据集，我们引入了包含3849个数据实例的Ta2TS数据集。我们在线性化表格上对序列到序列模型进行微调，并对流行的大型语言模型进行提示。我们从定量和定性的角度分析结果，以确保捕捉到主观性和事实一致性。分析表明，微调后的语言模型可以达到与提示的大型语言模型相近的性能。两种模型都能捕捉表格数据，生成文本的BERTScore为85.15%，Meteor得分为26.28%。据我们所知，我们提供了首个包含多种体裁和主观性的表格数据集，并首次全面分析和比较了不同大型语言模型在此任务上的表现。
引用
@article{arxiv.2406.10560,
title = {Facts-and-Feelings: Capturing both Objectivity and Subjectivity in Table-to-Text Generation},
author = {Tathagata Dey and Pushpak Bhattacharyya},
journal= {arXiv preprint arXiv:2406.10560},
year = {2024}
}