XF2T：面向低资源语言的跨语言事实到文本生成
计算与语言
2022-09-26 v1
摘要
多种业务场景需要从结构化输入数据自动生成描述性、人类可读的文本。因此，针对各类下游任务（如生成足球报道、天气与财经报告、医疗报告、人物传记等）已开发了事实到文本（F2T）生成系统。遗憾的是，先前 F2T 生成的工作主要聚焦于英语，主要因相关数据集的高可用性。直到最近，跨语言事实到文本（XF2T）问题才被提出用于跨多种语言生成，并伴随一个涵盖八种语言的数据集 XALIGN。然而，关于实际 XF2T 生成问题尚无严格工作。我们用四种更多语言的标注数据扩展 XALIGN 数据集：旁遮普语、马拉雅拉姆语、阿萨姆语和奥里亚语。我们利用流行的基于 Transformer 的文本生成模型在我们扩展的多语言数据集（称为 XALIGNV2）上进行广泛研究。进一步，我们考察了不同文本生成策略的性能：预训练的多种变体、事实感知嵌入和结构感知输入编码。我们广泛的实验表明，使用事实感知嵌入与结构感知输入编码的多语言 mT5 模型在十二种语言上平均取得最佳结果。我们公开了代码、数据集和模型，希望这有助于推进这一关键领域的进一步研究。
引用
@article{arxiv.2209.11252,
title = {XF2T: Cross-lingual Fact-to-Text Generation for Low-Resource Languages},
author = {Shivprasad Sagare and Tushar Abhishek and Bhavyajeet Singh and Anubhav Sharma and Manish Gupta and Vasudeva Varma},
journal= {arXiv preprint arXiv:2209.11252},
year = {2022}
}