面向多样化的前提事件生成
计算与语言
2021-06-15 v1
摘要
语言理解必须识别话语中事件之间的逻辑联系，但核心事件因其常识性而常未被陈述。本文通过生成前提事件来填补这些缺失事件。前提事件生成可框定为序列到序列问题：给定目标事件，生成可能的前提。然而，在大多数现实场景中，一个事件可有若干前提，需要多样化生成——这对标准seq2seq方法构成挑战。我们提出DiP，一个可生成独特且多样前提的多样化前提事件生成系统。DiP使用由三部分组成的生成过程——事件采样器、候选生成器和后处理器。事件采样器提供控制码（前提触发器），候选生成器利用其聚焦生成。与其他条件生成系统不同，DiP无需在多样化样本上训练即可自动生成控制码。与基线的对比分析表明，DiP在显著提升前提多样性的同时也生成了更多前提。
引用
@article{arxiv.2106.07117,
title = {Toward Diverse Precondition Generation},
author = {Heeyoung Kwon and Nathanael Chambers and Niranjan Balasubramanian},
journal= {arXiv preprint arXiv:2106.07117},
year = {2021}
}