从食谱中无监督学习图结构
计算与语言
2024-01-23 v1
摘要
烹饪食谱是最易获取的程序性文本之一。它们由自然语言指令组成，解释起来颇具挑战。本文提出一个模型，用于从食谱中识别相关信息并生成一个图来表示食谱中的动作序列。与其他方法不同，我们采用无监督方法。我们迭代地学习图结构和编码文本的图神经网络（GNN）参数（文本到图），一次处理一个序列，同时通过将图解码为文本（图到文本）并将生成的文本与输入进行比较来提供监督。我们通过将识别出的实体与标注数据集进行比较、比较输入与输出文本的差异，以及将我们生成的图与最先进方法生成的图进行比较来评估该方法。
引用
@article{arxiv.2401.12088,
title = {Unsupervised Learning of Graph from Recipes},
author = {Aissatou Diallo and Antonis Bikakis and Luke Dickens and Anthony Hunter and Rob Miller},
journal= {arXiv preprint arXiv:2401.12088},
year = {2024}
}