E2Echallenge参赛模型汇总

E2E挑战赛任务就是根据一堆属性生成一句自然话术。该任务使用了新的E2E数据集，有提交的62个模型（方法），所以本文对相关的方法进行了归总，每类方法选出了一些代表，并进行简单介绍。

数据统计

1. E2E数据集主要是描述餐馆的信息，有6个属性（slot)，6个是可以枚举的，2个是open的（名字和地点）。
2. 数据集规模上，比之前的Bagel、SF hotels/Resturants、RoboCup的数据集都要大，平均每个MR都有8.27个reference与之对应，所以表述上也更加丰富。

部分	MRs	References
训练集	4862	42061
测试集	547	4672
验证集	630	4693
全集	6039	51426

参赛模型

baseline是TGen模型。参赛模型可以大致分为四类：seq2seq、data-driven、rule-based、template-based。

每类模型数量概况如下图：

​​​​​​
每一类方法中我都选了成绩比较好的