勾勒与精修：迈向忠实且信息丰富的表格到文本生成
计算与语言
2021-06-01 v1
摘要
表格到文本生成指从键值表生成描述性文本。传统自回归方法虽能生成高流畅度文本，却存在覆盖率低与忠实性差的问题。为缓解这些问题，我们提出一种结合自回归与非自回归生成的基于骨架的两阶段新方法（SANA）。我们的方法包括：（1）利用自回归指针网络生成骨架，从源表中选取关键词元；（2）基于编辑的非自回归生成模型，通过迭代插入与删除操作生成文本。通过集成来自骨架的硬约束，非自回归模型提升了对源表的覆盖，从而增强其忠实性。我们在 WikiPerson 与 WikiBio 数据集上进行了自动与人工评估。实验结果表明，我们的方法在自动与人工评估上均优于先前前沿方法，尤其在覆盖率与忠实性方面。特别地，我们在 WikiPerson 上取得 PARENT-T recall 99.47，较现有最佳结果提升逾 10 个点。
引用
@article{arxiv.2105.14778,
title = {Sketch and Refine: Towards Faithful and Informative Table-to-Text Generation},
author = {Peng Wang and Junyang Lin and An Yang and Chang Zhou and Yichang Zhang and Jingren Zhou and Hongxia Yang},
journal= {arXiv preprint arXiv:2105.14778},
year = {2021}
}
备注
13 pages, 2 figures. Accepted in ACL2021 Findings