面向图到文本生成的结构信息保持
计算与语言
2021-02-16 v1
摘要
图到文本生成任务旨在生成保留输入图语义的句子。作为一个关键缺陷，当前最先进的模型在生成输出时可能混淆甚至丢弃输入图的核心结构信息。我们提出通过利用更丰富的训练信号来解决该问题，这些信号可引导模型保持输入信息。具体而言，我们引入两类自编码损失，各自关注输入图的不同方面（即视图）。随后通过多任务训练将这些损失反向传播以更好地校准模型。在两个图到文本生成基准上的实验表明，相较最先进的基线，我们的方法具有有效性。我们的代码可在 \url{http://github.com/Soistesimmer/AMR-multiview} 获取。
引用
@article{arxiv.2102.06749,
title = {Structural Information Preserving for Graph-to-Text Generation},
author = {Linfeng Song and Ante Wang and Jinsong Su and Yue Zhang and Kun Xu and Yubin Ge and Dong Yu},
journal= {arXiv preprint arXiv:2102.06749},
year = {2021}
}
备注
ACL 2020