R2D2：基于替换检测的抗噪数据到文本生成
计算与语言
2022-05-26 v1
摘要
不忠实文本生成是文本生成系统的常见问题。在 Data-to-Text（D2T）系统中，生成文本的事实性对任何实际应用都尤为关键。我们提出 R2D2，一种通过同时训练系统作为生成器与忠实性判别器，并辅以替换检测与非似然学习任务的训练框架，来解决不忠实的数据到文本生成问题。为支持此类训练，我们提出两种采样不忠实句子的方法。我们认为 D2T 系统实体检索能力薄弱是不忠实的主要来源之一，因此在已有度量之外，进一步提出基于 NER 的度量来评估 D2T 生成的事实性。实验结果表明，R2D2 系统能有效缓解不忠实文本生成，并在 FeTaQA、LogicNLG 与 ToTTo 上取得新的 SOTA 结果，且均有显著提升。
引用
@article{arxiv.2205.12467,
title = {R2D2: Robust Data-to-Text with Replacement Detection},
author = {Linyong Nan and Lorenzo Jaime Yu Flores and Yilun Zhao and Yixin Liu and Luke Benson and Weijin Zou and Dragomir Radev},
journal= {arXiv preprint arXiv:2205.12467},
year = {2022}
}