通过任务引导图翻译的弱监督概念图生成
计算与语言
2023-03-09 v3 人工智能
摘要
近年来，概念图生成技术因其在从自由文本中提供结构良好的知识摘要方面的优势而快速发展。传统的无监督方法无法生成面向任务的概念图，而深度生成模型需要大量训练数据。在这项工作中，我们提出 GT-D2G（基于图翻译的文档到图），一种自动概念图生成框架，它利用通用 NLP 流水线推导语义丰富的初始图，并在下游任务标签的弱监督下将其翻译为更简洁的结构。GT-D2G 生成的概念图可为输入文本提供可解释的结构化知识摘要，这通过三个真实语料库上的人工评估和案例研究得到证明。在文档分类下游任务上的进一步实验表明，GT-D2G 优于其他概念图生成方法。此外，我们专门在标签高效学习设定下验证了 GT-D2G 的标注效率，以及在受控超参数研究中生成图大小的灵活性。
引用
@article{arxiv.2110.15720,
title = {Weakly Supervised Concept Map Generation through Task-Guided Graph Translation},
author = {Jiaying Lu and Xiangjue Dong and Carl Yang},
journal= {arXiv preprint arXiv:2110.15720},
year = {2023}
}
备注
Accepted by IEEE TKDE. All code and data available at https://github.com/lujiaying/GT-doc2graph