基于原型记忆的小样本表到文本生成
计算与语言
2021-09-01 v2
摘要
神经表到文本生成模型已在一系列任务上取得显著进展。然而，由于神经模型的数据饥渴特性，其性能严重依赖大规模训练样本，限制了其在真实世界应用中的适用性。为此，我们提出一种新框架：Prototype-to-Generate（P2G，原型到生成），用于小样本场景下的表到文本生成。所提框架利用检索到的原型，这些原型由 IR（信息检索）系统与一种新颖的原型选择器联合选出，以帮助模型弥合表与文本之间的结构鸿沟。在三个基准数据集上采用三种最先进模型的实验结果表明，所提框架在各种评估指标上显著提升了模型性能。
引用
@article{arxiv.2108.12516,
title = {Few-Shot Table-to-Text Generation with Prototype Memory},
author = {Yixuan Su and Zaiqiao Meng and Simon Baker and Nigel Collier},
journal= {arXiv preprint arXiv:2108.12516},
year = {2021}
}
备注
Accepted to Findings of EMNLP 2021