简介

两步走策略:

  1. 句子规划:设计句子结构,留有相应的空等待填充(对应下图Structure)
  2. 文案实现:把值填到对应的位置(对应下图NL Reference)

论文阅读-Structure-based Generation(SBG) System for E2E NLG Challenge
系统流程图:
论文阅读-Structure-based Generation(SBG) System for E2E NLG Challenge

RuleBased就是怎么规划和实现都是有对应策略的,有的比较取巧,有的也是根据经验。anyway效果还不错。

模块介绍

Structure Builder

首先,分析E2E数据集,根据MR的pragmatic meaning将要预测的八个type划分成五类(Meaning),并给出之间的关系(个人理解这就是RuleBased)
仍以上图中的MR为例,
论文阅读-Structure-based Generation(SBG) System for E2E NLG Challenge
论文阅读-Structure-based Generation(SBG) System for E2E NLG Challenge

type Meaning RelationShip
name,eatType the main object 主语(主体)
area,near place 对主语进行位置的描述
food production 主语会生成什么
experience familyFriendly 对主语的评价
attribute priceRange,customer rating 主语的属性

其实这里面还是有一些困惑的,

  1. 为什么把familyFriendly单独拉出来?是因为value类型是“yes”“no”?
  2. 关于property和attribute,不太确定,找到一种比较合理的解释是,property是不可对比的属性,attribute是与其他个体或群体无关的“属性”,该属性只和本体有关。

有了这样的规则就可以将输入变成如下的structure
论文阅读-Structure-based Generation(SBG) System for E2E NLG Challenge

Data Source Collector

有了上面的空位,在填充时,作者还进行了同义词扩展,让最终生成的句子在表述上更加具有多样性。

论文阅读-Structure-based Generation(SBG) System for E2E NLG Challenge

结果

自动评价的结果来看好像并没有baseline好:
论文阅读-Structure-based Generation(SBG) System for E2E NLG Challenge

相关文章:

  • 2021-10-30
  • 2021-06-06
  • 2021-12-19
  • 2021-08-15
  • 2021-09-13
  • 2022-02-12
  • 2021-08-06
  • 2022-01-06
猜你喜欢
  • 2021-07-14
  • 2021-07-24
  • 2021-11-06
  • 2021-09-25
  • 2021-12-05
  • 2021-09-27
  • 2021-05-10
相关资源
相似解决方案