基于丰富语义表示的神经文本生成
计算与语言
2019-04-29 v1
摘要
我们提出基于极小递归语义（MRS）从结构化表示生成高质量文本的神经网络模型。MRS 是一种丰富的语义表示，比抽象意义表示（AMR）等其他表示编码更精确的语义细节。我们展示了一个序列到序列模型，其将 MRS 的图基表示 Dependency MRS 的线性化映射到英文文本，在金标准数据上训练时可达到 66.11 的 BLEU 分数。使用高精度、广覆盖的基于语法的解析器生成大规模银标准训练语料，可进一步改进性能，在完整测试集上达到 77.17 的最终 BLEU 分数，在与银标准数据域最匹配的测试数据子集上达到 83.37。我们的结果表明，基于 MRS 的表示是需要结构化语义且能输出自然语言文本的应用的良好选择。
引用
@article{arxiv.1904.11564,
title = {Neural Text Generation from Rich Semantic Representations},
author = {Valerie Hajdik and Jan Buys and Michael W. Goodman and Emily M. Bender},
journal= {arXiv preprint arXiv:1904.11564},
year = {2019}
}
备注
NAACL 2019