面向复述生成的层次化草图归纳
计算与语言
2022-03-22 v2
摘要
我们提出一种复述生成的生成模型，通过以显式句法草图为条件来鼓励句法多样性。我们引入层次化精炼量化变分自编码器（Hierarchical Refinement Quantized Variational Autoencoders, HRQ-VAE），一种将稠密编码分解为离散潜变量序列的方法，这些潜变量进行粒度递增的迭代精炼。该代码层次通过端到端训练学习，并表示关于输入的细粒度到粗粒度信息。我们使用 HRQ-VAE 将输入句子的句法形式编码为层次中的一条路径，从而能在测试时更轻松地预测句法草图。包括人工评估在内的广泛实验证实，HRQ-VAE 学习了输入空间的层次化表示，并生成了比以往系统更高质量的复述。
引用
@article{arxiv.2203.03463,
title = {Hierarchical Sketch Induction for Paraphrase Generation},
author = {Tom Hosking and Hao Tang and Mirella Lapata},
journal= {arXiv preprint arXiv:2203.03463},
year = {2022}
}
备注
Accepted at ACL 2022