文本生成
文章平均质量分 94
小米粒_mily
每日一问:如何高效躺平
展开
-
ASDOT: Any-Shot Data-to-Text Generation with Pretrained Language Models
由于输入数据在领域(例如,金融与体育)或模式(例如,不同的谓词)方面的多样性,数据到文本的生成是具有挑战性的。因此,最近的端到端神经方法需要大量的训练示例来学习消除歧义和描述数据。然而,现实世界的数据到文本问题经常受到各种数据稀缺问题的困扰:人们可能只能访问少量或没有训练示例,并且/或者必须依赖于不同领域或模式中的示例。为了填补这一空白,我们提出了任意样本数据到文本(ASDOT),这是一种通过有效利用任何给定(或没有)示例灵活适用于各种设置的新方法。原创 2023-05-11 15:44:39 · 130 阅读 · 0 评论 -
Robust (Controlled) Table-to-Text Generation with Structure-Aware Equivariance Learning
表到文本生成旨在为表中的内容和相关结论生成自然语言描述。它不仅使无处不在的表格数据更容易被发现和访问,而且还支持表格语义检索、推理、事实检测、表辅助的问答等下游任务。虽然丰富多样的事实可以在表格中呈现,但受控的表到文本生成任务(为表格的突出显示子部分生成重点文本描述)最近引起了广泛关注。先前关于受控的表到文本生成研究通常采用序列到序列的生成方法,该方法仅将表捕获为线性结构。然而,表格布局虽然被先前的研究忽略了,但从两个角度来看,它是生成的关键。原创 2023-04-07 16:05:57 · 352 阅读 · 0 评论 -
Pre-trained Language Models for Text Generation: A Survey
论文解读原创 2023-03-01 09:55:44 · 428 阅读 · 0 评论