结构化数据和输出文本之间对齐

重新看了HSMM代码，发现该模型的对齐过程是，直接从输出中找到输入中出现的词。如果没有出现，代码中会将之置为null。

有很多文章专门研究如何进行输入输出之间对齐的问题。最近看了三篇文章，简单记录一下

一、Learning Semantic Correspondences with Less Supervision

semantics-acl2009.pdf (stanford.edu)

基础。后面的文章都是针对这篇文章的改进。

用了三个级联的HMM学习

二、Learning Latent Semantic Annotations for Grounding Natural Language to Structured Data

论文&代码

这篇文章的工作可以理解为弱监督学习中的语义解析器，给一个句子，学习句子中的实体或者标签。

文章的亮点在于可以更好的学习如下几种类型的关系映射：

1. 数字-数字：由于习惯会对数字进行一些变化，（个人理解类似四舍五入或者取整操作）
2. 字符串-字符串：由于习惯会对字符串进行一些变化（个人理解类似简称、昵称）
3. 类别-字符串：可枚举的或者专有名词，比如星期天，职位
4. 数字-字符串：3km→ 三千米

三、Data2Text Studio: Automated Text Generation from Structured Data

感觉这个就是我们最开始想要的那种界面工具：

1. 可以自己选择槽位
2. 可以自己写比较逻辑

核心亮点是可以自动学习出trigger。但是目前仅限于两个数直接的相减操作。