关键词与实例：一种统一混合粒度用于文本生成的层次化对比学习框架

对比学习在生成任务中取得了令人瞩目的成功，以缓解“曝光偏差”问题并区分性利用不同质量的参考文本。现有工作大多聚焦于实例级对比学习，而不区分每个词的贡献，而关键词是文本的要点并主导受约束的映射关系。因此，在本工作中，我们提出一种层次化对比学习机制，可统一输入文本中混合粒度的语义。具体而言，我们首先通过正负对的对比关联提出一个关键词图，以迭代地打磨关键词表示。然后，我们在实例级和关键词级内部构建对比，其中我们假设词是从句子分布中采样的节点。最后，为弥合独立对比层级间的鸿沟并解决常见的对比消失问题，我们提出一种层级间对比机制，分别度量对比关键词节点相对于实例分布的差异。实验表明，我们的模型在改写、对话生成和故事生成任务上优于具有竞争力的基线。