为知识图谱文本生成建模全局与局部节点上下文
计算与语言
2020-06-23 v2
摘要
近期的图到文本模型使用全局或局部聚合从基于图的数据生成文本以学习节点表示。全局节点编码允许两个远距离节点间显式通信，从而忽略图拓扑，因为所有节点都直接相连。相反，局部节点编码考虑邻居节点间的关系以捕获图结构，但可能未能捕获长程关系。本工作中，我们汇集两种编码策略，提出新颖的神经模型，其结合全局与局部节点上下文对输入图进行编码，以学习更好的上下文化节点嵌入。在我们的实验中，我们证明我们的方法在两个图到文本数据集上取得显著改进，在 AGENDA 数据集上达到 18.01 的 BLEU 分数，在 WebNLG 数据集的已见类别上达到 63.69，分别优于最先进模型 3.7 和 3.1 个点。
引用
@article{arxiv.2001.11003,
title = {Modeling Global and Local Node Contexts for Text Generation from Knowledge Graphs},
author = {Leonardo F. R. Ribeiro and Yue Zhang and Claire Gardent and Iryna Gurevych},
journal= {arXiv preprint arXiv:2001.11003},
year = {2020}
}
备注
Accepted for publication in Transactions of the Association for Computational Linguistics (TACL), 2020; Author's final version; pre-MIT Press publication version