提升用户可控表格到文本生成的鲁棒性
计算与语言
2023-02-21 v1
摘要
在这项工作中，我们研究用户可控的表格到文本生成，其中用户通过选择单元格并阅读由自然语言生成器自动产生的相应自然语言描述来探索表格中的内容。此类生成模型通常从精心挑选的单元格组合（干净单元格选择）中学习；然而在实践中，用户可能选择意外的、冗余的或不连贯的单元格组合（噪声单元格选择）。在实验中，我们发现模型在来自与训练数据相同分布的测试集上表现良好，但在现实噪声用户输入上评估时性能下降。我们提出一种带有额外用户模拟噪声单元格选择的微调机制。采用所提机制微调的模型在用户噪声测试案例上获得 4.85 个 BLEU 点提升，在干净测试案例上获得 1.4 个提升；并在 ToTTo 数据集上取得可比的 SOTA 性能。
引用
@article{arxiv.2302.09820,
title = {Improving User Controlled Table-To-Text Generation Robustness},
author = {Hanxu Hu and Yunqing Liu and Zhongyi Yu and Laura Perez-Beltrachini},
journal= {arXiv preprint arXiv:2302.09820},
year = {2023}
}
备注
In Findings of EACL 2023