从知识图谱与含噪参考文本生成忠实文本
计算与语言
2024-09-09 v1 人工智能
摘要
知识图谱（KG）到文本生成旨在生成流畅的自然语言文本，准确表示给定知识图谱的信息。尽管通过利用预训练语言模型（PLM）与适当的图结构感知模块，该任务已取得显著进展，现有模型在生成忠实文本方面仍显不足，尤其当真实自然语言文本包含图中不存在的额外信息时。本文提出一种 KG 到文本生成模型，可在存在含噪参考文本的情况下，从给定图谱生成忠实的自然语言文本。我们的框架包含两项核心思想：首先，利用对比学习增强模型区分文本中忠实与幻觉信息的能力，从而鼓励解码器生成与输入图对齐的文本；其次，通过可控文本生成技术使解码器能控制生成文本中的幻觉程度。我们通过标准量化指标以及基于 ChatGPT 的定量与定性分析评估模型性能。评估表明，我们的模型在忠实性上优于最先进的 KG 到文本模型。
引用
@article{arxiv.2308.06488,
title = {Generating Faithful Text From a Knowledge Graph with Noisy Reference Text},
author = {Tahsina Hashem and Weiqing Wang and Derry Tanti Wijaya and Mohammed Eunus Ali and Yuan-Fang Li},
journal= {arXiv preprint arXiv:2308.06488},
year = {2024}
}