論文閱讀-Structure-based Generation(SBG) System for E2E NLG Challenge
阿新 • • 發佈：2020-10-13
簡介
兩步走策略：
- 句子規劃：設計句子結構，留有相應的空等待填充（對應下圖Structure）
- 文案實現：把值填到對應的位置（對應下圖NL Reference）
系統流程圖：
RuleBased就是怎麼規劃和實現都是有對應策略的，有的比較取巧，有的也是根據經驗。anyway效果還不錯。
模組介紹
Structure Builder
首先，分析E2E資料集，根據MR的pragmatic meaning將要預測的八個type劃分成五類（Meaning），並給出之間的關係（個人理解這就是RuleBased）
仍以上圖中的MR為例，
| type | Meaning | RelationShip |
|---|---|---|
| name，eatType | the main object | 主語（主體） |
| area，near | place | 對主語進行位置的描述 |
| food | production | 主語會生成什麼 |
| experience | familyFriendly | 對主語的評價 |
| attribute | priceRange，customer rating | 主語的屬性 |
其實這裡面還是有一些困惑的，
- 為什麼把
familyFriendly單獨拉出來？是因為value型別是“yes”“no”？ - 關於property和attribute，不太確定，找到一種比較合理的解釋是，property是不可對比的屬性，attribute是與其他個體或群體無關的“屬性”，該屬性只和本體有關。
有了這樣的規則就可以將輸入變成如下的structure
Data Source Collector
有了上面的空位，在填充時，作者還進行了同義詞擴充套件，讓最終生成的句子在表述上更加具有多樣性。
結果
自動評價的結果來看好像並沒有baseline好：
