【论文泛读】Towards Faithful Neural Table-to-Text Generation with Content-Matching Constraints

最新推荐文章于 2023-06-01 20:05:13 发布
最新推荐文章于 2023-06-01 20:05:13 发布
阅读量371 收藏 1
点赞数
文章标签： 深度学习 人工智能 acl 自然语言处理 文本生成
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42802447/article/details/115368252
版权

使用内容匹配约束实现基于神经表的文本生成
作者：Zhenyi Wang, Xiaoyang Wang, Bang An, Dong Yu and Changyou Chen

摘要

从知识库生成文本的目的是将知识三元组转换为自然语言描述
问题
现有的大多数方法忽略了生成的文本描述和原始表之间的忠实性，导致生成的信息超出了表的内容。
解决对策
提出基于变压器的生成框架来实现忠实性这一目标

  • 核心技术包括一个表-文本最优传输匹配损失和一个基于变压器模型的表-文本嵌入相似度损失
  • 为了评估忠实度，提出了一种新的自动度量方法，专门用于基于表的生成问题。

名词解释

Table-to-Text Generation：表到文本生成是从结构化表生成描述参考文章

参考文献

腾讯入选20篇文章 第八篇
《使用内容匹配约束实现准确的数据到文本生成》阅读笔记

浪里摸鱼
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
【论文泛读05】基于Conv-LSTM的短期交通流预测
scu-liu的博客
02-07 3642
贴一下汇总贴：论文阅读记录 论文链接：《Short-Term Traffic Flow Prediction with Conv-LSTM》 一、摘要 准确的短期交通流预测能够提供及时准确的交通状况信息，帮助人们做出出行决策，缓解交通拥堵。深度学习(Deep learning, DL)为城市日常交通产生的大数据分析提供了一种新的范式。在本文中，我们提出了一种新型的端到端深度学习体系结构，它由两个模块组成。我们将卷积和LSTM相结合，形成一个convl -LSTM模块，提取交通流的时空信息。采用双向LSTM模
【论文泛读14】T-GCN-时间图卷积网络用于交通预测
scu-liu的博客
02-22 1170
贴一下汇总贴：论文阅读记录 论文链接：《T-GCN: A Temporal Graph Convolutional Network for Traffic Prediction》 一、摘要
matlab开发-WriteLatextTableWriteSa2ArrayToAlaxtable
08-24
matlab开发-WriteLatextTableWriteSa2ArrayToAlaxtable。将二维数组写入给定标题和格式说明符的LaTex表。
【论文泛读】Neural Data-to-Text Generation via Jointly Learning the Segmentation and Correspondence
⛄
04-01 248
摘要 神经注意力机制模型（neural attention model）在数据生到文本任务上已经几乎可以生成通顺的句子 问题 会面临信息损失、重复和不真实的问题。由于神经网络的黑盒特性，从根本上规避这些问题非常困难。 解决对策 提出显式地把文本分成几个片段，每个片段对应数据（data）的某个域（field）。分段和对应关系不需要事先标注，可以通过线性规划自动地在训练过程中学习出来。同时我们使用后验正则化方法（posterior regularization）去有效控制分段的粒度。 创新点 在 E2E 和
Neural Data-to-Text Generation via Jointly Learning the Segmentation and Correspondence阅读笔记
weixin_43216928的博客
08-18 262
1、论文任务： 如上图所示，论文任务为利用键值对数据（二元组）生成描述文本。左边的键值对包括若干个“属性-值”组成对，右边是对应数据记录的描述文本。
Neural Data-to-Text Generation with Dynamic Content Planning
qq_41894414的博客
01-31 520
Neural Data-to-Text Generation with Dynamic Content PlanningIntroductioncontribution：Static Content PlanningFuture work Introduction 神经data-to-text生成模型近年不断发展，但这些模型有两个缺点：loss information and inconsistent。为了减轻这些问题，我们提出neural data-to-text generation model wit
【论文笔记】Few-Shot Table-to-Text Generation with Prefix-Controlled Generator
记录学习^_^，欢迎交流~
03-12 635
少样本学习；表格到文本生成；前缀控制生成；Few-Shot Table-to-Text Generation with Prefix-Controlled Generator
【论文泛读】2018-B-CNN based Multi-Instance Multi-Task
qq_43505356的博客
02-06 1621
题目 基于 CNN 的多实例多任务学习用于糖尿病患者的辨证(CNN based Multi-Instance Multi-Task Learning for Syndrome Differentiation of Diabetic Patients) Bib @inproceedings{Wang:2018:19051911, author={Ze Yuan Wang and Shi Ding Sun and Josiah Poon and Simon Poon}, title={Cnn based
【论文泛读】2017-1-Dynamic Programming for Instance Annotation in Multi-instance Multi-label Learning
qq_43505356的博客
02-06 696
题目 多实例多标签学习中实例注释的动态规划（Dynamic Programming for Instance Annotation in Multi-instance Multi-label Learning） Bib @article{Pham:2017:23812394, author={Anh T Pham and Raviv Raich and Xiaoli Z Fern}, title={Dynamic programming for instance annotation in mult
【论文泛读】2020A-Dual-stream Maximum Self-attention Multi-instance Learning
qq_43505356的博客
01-27 2142
1.题目： 双流（Dual-stream）最大化自注意力多示例学习（Dual-stream Maximum Self-attention Multi-instance Learning） 2.摘要 多实例学习（MIL）是一种弱监督学习的形式，其中单个类标签被分配给实例包，而实例级标签不可用。在许多实际场景中，训练分类器以准确确定包标签和实例标签是一项具有挑战性但至关重要的任务。例如计算组织病理学。最近，由神经网络完全参数化（fully parameterized）的MIL模型因为其高度的灵活性和优越的性能而
ToTTo：受控的表到文本生成数据集
谷歌开发者
02-08 2042
文 / Ankur Parikh 和 Xuezhi Wang，Google Research 研究员在过去几年中，自然语言生成 (Neural Language Generation, N...
【论文阅读】Table-to-text Generation by Structure-aware Seq2seq Learning
m0_37477175的博客
06-01 2187
2018 AAAI论文; 2017年其实就已经发到arxiv ;—bert为2019年提出，现在是否有基于b ert来做的呢？； GitHub : https://github.com/tyliupku/wiki2bio; 作者: 教育部计算语言学重点实验室，北京大学电子工程与计算机科学学院; 本质感觉就是seq2seq attention的新玩法。。。 一、要完成的事 根据结构化表格，自动生成人物的传记！ 听起来很酷！但是仔细一想，其实类似于医疗领域的自动诊断单的生成，不过医疗的话其实是先对图像分析.
Key Fact as Pivot: A Two-Stage Model for Low Resource Table-to-Text Generation 论文翻译
weixin_41089007的博客
08-09 899
以关键事实为枢轴：一种两阶段的低资源的表格到文本生成模型 摘要 表到文本生成旨在将结构化数据转换为非结构化文本。 大多数现有方法采用编码器 - 解码器框架来学习转换，这需要大规模的训练样本。 然而，缺乏大并行数据是许多领域的主要实际问题。 在这项工作中，我们考虑低资源表到文本生成的情况，其中只有有限的并行数据可用。 我们提出了一种新的模型，将这一代分为两个阶段：关键事实预测(key fact ...
Text-to-Table: A New Way of Information Extraction
最新发布
garbage回收中心
06-01 862
作者受到任务（用于生成描述给定表格的文本语言）的启发，提出了的新任务，根据给定的文本，来生成用于文本总结和文本挖掘的表格（如下图所示）。例如，体育比赛的得分表可以作为原始输入的总结，可以明显的看出运动员的表现。作者认为与传统的IE（information extraction）方法比，text-to-table任务有以下不同：1）text-to-table能够用于句子级别和文件级别，一般来说文件级的输出会更加复杂。2）用于提取的模式隐含在训练数据中，例如标题。
你已经是个成熟的表格，该学会NLP了
AI科技大本营
01-01 2326
作者 |唐都钰、孙一博来源 | 微软亚洲研究院AI头条编者按：在我们的生活中，用语音查询天气，用必应搜索信息，这些常见的场景都离不开一种应用广泛的数据存储方式——表格（...
文本生成 论文笔记
weixin_60874964的博客
08-22 389
机器学习常用指标rougebleuXSum。
Prefix-Tuning: Optimizing Continuous Prompts for Generation
Zheng_LH
07-27 865
参考。
ACL 2020 | 腾讯AI Lab解读三大前沿方向及入选论文
腾讯AI实验室
07-05 1413
感谢阅读腾讯AI Lab微信号第98篇文章。本文将分组介绍自然语言处理领域顶级会议 ACL 2020 中腾讯AI Lab的重点研究方向和入选论文。自然语言处理领域顶级会议 ACL 202...
【AAAI 2021】全部接受论文列表（四）
yinizhilianlove的博客
01-14 5877
来源：AINLPer微信公众号（点击了解一下吧） 编辑: ShuYini 校稿: ShuYini 时间: 2021-01-14 马上春节了，疫情又卷土而来，希望大家注意防护，爱护自己的身体 AAAI 2021论文接收情况   人工智能顶级会议AAAI 2021 已经给出接收论文列表，共有1692篇论文被接收，录取率21%，比去年的20.6%稍微有些上升。单从数量上看，也比去年多了101篇。本届 AAAI 2021已经是第35 届会议了。据 AAAI 2021官方网站，这个 2021年首个人工智能顶会将全.
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

浪里摸鱼

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值