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: