基于结构感知 Seq2Seq 学习的表格到文本生成
计算与语言
2017-11-28 v1 人工智能
摘要
表格到文本生成旨在为可视为一组字段-值记录的事实表格生成描述。为编码表格的内容与结构,我们提出了一种新颖的结构感知 seq2seq 架构,由字段门控编码器和具有双重注意力的描述生成器组成。在编码阶段,我们通过字段门及其对应字段值更新 LSTM 单元的单元记忆,以将字段信息融入表格表示。在解码阶段,提出包含词级注意力和字段级注意力的双重注意力机制来建模生成描述与表格之间的语义相关性。我们在 \texttt{WIKIBIO} 数据集上进行了实验,该数据集包含来自 Wikipedia 的超过 70 万条传记及对应信息框。注意力可视化和案例研究表明,我们的模型能够基于对表格内容与结构的综合理解生成连贯且信息丰富的描述。自动评估也显示我们的模型大幅优于基线。本工作的代码可在 https://github.com/tyliupku/wiki2bio 获取。
引用
@article{arxiv.1711.09724,
title = {Table-to-text Generation by Structure-aware Seq2seq Learning},
author = {Tianyu Liu and Kexiang Wang and Lei Sha and Baobao Chang and Zhifang Sui},
journal= {arXiv preprint arXiv:1711.09724},
year = {2017}
}
备注
Accepted by AAAI2018