多源行：用预训练语言模型从 Wikidata 丰富表的行补全
计算与语言
2022-04-15 v1 人工智能
摘要
行补全是指用额外的相关行来扩充给定的文本与数字表格的任务。该任务分为两步：主体建议，即填充主列的任务；以及间隙填充，即填充其余列的任务。我们在标准基准（WikiTables）上给出了主体建议和间隙填充的当前最优结果。我们的思路是通过协调结合知识库表格解释与自由文本生成来解决该任务。我们使用知识库解释表格以建议新行，并通过属性链接生成诸如表头之类的元数据。为改善候选多样性，我们使用 GPT-3 通过自由文本生成合成额外的行，并且关键地，我们利用所解释的元数据来为文本生成产生更好的提示。最后，我们验证额外合成的内容可链接到知识库或可信网络来源（如 Wikipedia）。
引用
@article{arxiv.2204.07014,
title = {Rows from Many Sources: Enriching row completions from Wikidata with a pre-trained Language Model},
author = {Carina Negreanu and Alperen Karaoglu and Jack Williams and Shuang Chen and Daniel Fabian and Andrew Gordon and Chin-Yew Lin},
journal= {arXiv preprint arXiv:2204.07014},
year = {2022}
}