超级会员免费看
CGMH是一种使用Metropolis-Hastings采样进行受约束句子生成的方法，它能处理硬性和软性约束，如在生成的句子中必须包含特定关键词。与基于RNN的方法相比，CGMH允许更复杂的约束，并且在推理阶段工作，不需要平行语料。CGMH在关键词到句子生成、无监督句子改写和无监督错误修正等任务上表现出色，且无需有监督训练数据。此外，CGMH能够通过局部操作（替换、插入和删除）生成句子，通过接受率和预先指定的稳态分布来确保约束得到满足。
Abstract
在自然语言生成的实际应用中，除了流畅度和自然度的要求外，通常还有一些其他的约束。
已有的一些语言生成技术基于 RNN 实现，对于这类方法，不容易在维持生成质量的同时对其添加约束。
文本提出 CGMH，通过 Metropolis-Hastings sampling 来实现 受约束的句子生成。
- CGMH 允许施加复杂的约束，如要求在生成的句子中必须出现多个关键词，这在传统基于 RNN 的方法中是无法做到的。
- CGMH 是在推理阶段工作的，因此不需要平行语料来训练。
我们在几种任务上对我们的方法进行了评估，包括：
- keywords-to-sentence generation
- unsupervised sen- tence paraphrasing
- unsupervised sentence error correction
相比于之前的有监督方法，CGMH 实现了很好的句子生成效果。
代码：
订阅专栏 解锁全文
733
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
