以关键事实为枢纽：一种低资源表格到文本生成的二阶段模型
计算与语言
2019-08-09 v1
摘要
表格到文本生成旨在将结构化数据转换为非结构化文本。大多数现有方法采用编码器-解码器框架来学习该转换，这需要大规模训练样本。然而，缺乏大规模平行数据对许多领域而言是一个主要实际问题。在这项工作中，我们考虑低资源表格到文本生成的场景，其中仅有有限的平行数据可用。我们提出一种新颖模型，将生成分为两个阶段：关键事实预测和表层实现。它首先从表格中预测关键事实，然后利用关键事实生成文本。关键事实预测的训练需要少得多的标注数据，而表层实现可利用伪平行语料库进行训练。我们在一个传记生成数据集上评估我们的模型。我们的模型仅使用 条平行数据即可达到 的 BLEU 分数，而基线模型仅获得 的 BLEU 分数。
引用
@article{arxiv.1908.03067,
title = {Key Fact as Pivot: A Two-Stage Model for Low Resource Table-to-Text Generation},
author = {Shuming Ma and Pengcheng Yang and Tianyu Liu and Peng Li and Jie Zhou and Xu Sun},
journal= {arXiv preprint arXiv:1908.03067},
year = {2019}
}