论文阅读-Structure-based Generation(SBG) System for E2E NLG Challenge

2023-10-25 13:20
文章标签 阅读 论文 system based structure challenge generation e2e nlg sbg

本文主要是介绍论文阅读-Structure-based Generation(SBG) System for E2E NLG Challenge，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

简介

两步走策略：

  1. 句子规划：设计句子结构，留有相应的空等待填充（对应下图Structure）
  2. 文案实现：把值填到对应的位置（对应下图NL Reference）

在这里插入图片描述
系统流程图：
在这里插入图片描述

RuleBased就是怎么规划和实现都是有对应策略的，有的比较取巧，有的也是根据经验。anyway效果还不错。

模块介绍

Structure Builder

首先，分析E2E数据集，根据MR的pragmatic meaning将要预测的八个type划分成五类（Meaning），并给出之间的关系（个人理解这就是RuleBased）
仍以上图中的MR为例，
在这里插入图片描述
在这里插入图片描述

typeMeaningRelationShip
name，eatTypethe main object主语（主体）
area，nearplace对主语进行位置的描述
foodproduction主语会生成什么
experiencefamilyFriendly对主语的评价
attributepriceRange，customer rating主语的属性

其实这里面还是有一些困惑的，

  1. 为什么把familyFriendly单独拉出来？是因为value类型是“yes”“no”？
  2. 关于property和attribute，不太确定，找到一种比较合理的解释是，property是不可对比的属性，attribute是与其他个体或群体无关的“属性”，该属性只和本体有关。

有了这样的规则就可以将输入变成如下的structure
在这里插入图片描述

Data Source Collector

有了上面的空位，在填充时，作者还进行了同义词扩展，让最终生成的句子在表述上更加具有多样性。

在这里插入图片描述

结果

自动评价的结果来看好像并没有baseline好：
在这里插入图片描述

这篇关于论文阅读-Structure-based Generation(SBG) System for E2E NLG Challenge的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/282817。

相关文章

JAVA智听未来一站式有声阅读平台听书系统小程序源码

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来，一站式有声阅读平台听书系统 🌟 开篇：遇见未来，从“智听”开始 在这个快节奏的时代，你是否渴望在忙碌的间隙，找到一片属于自己的宁静角落？是否梦想着能随时随地，沉浸在知识的海洋，或是故事的奇幻世界里？今天，就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统，它正悄悄改变着我们的阅读方式，让未来触手可及！ 📚 第一站：海量资源，应有尽有 走进“智听
阅读更多...
Retrieval-based-Voice-Conversion-WebUI模型构建指南

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI（简称 RVC）模型是一个基于 VITS（Variational Inference with adversarial learning for end-to-end Text-to-Speech）的简单易用的语音转换框架。 具有以下特点 简单易用：RVC 模型通过简单易用的网页界面，使得用户无需深入了
阅读更多...
AI hospital 论文Idea

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境，人类医生（即医学学习者）可以在其中与患者代理进行医学
阅读更多...
论文翻译：arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

论文翻译：arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染：一项综述 文章目录 大规模语言模型的基准数据污染：一项综述摘要1 引言 摘要 大规模语言模型（LLMs），如GPT-4、Claude-3和Gemini的快
阅读更多...
论文阅读笔记: Segment Anything

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear
阅读更多...
论文翻译：ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

论文翻译：ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS https://openreview.net/forum?id=KS8mIvetg2 验证测试集污染在黑盒语言模型中 文章目录 验证测试集污染在黑盒语言模型中摘要1 引言 摘要 大型语言模型是在大量互联网数据上训练的，这引发了人们的担忧和猜测，即它们可能已
阅读更多...
OmniGlue论文详解（特征匹配）

OmniGlue论文详解（特征匹配）

OmniGlue论文详解（特征匹配） 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super
阅读更多...
Partical System

Partical System

创建"粒子系统物体"（点击菜单GameObject -> Create Other -> Particle System） 添加"粒子系统组件"（点击Component -> Effects  ->Particle System） 粒子系统检视面板  点击粒子系统检视面板的右上角的"+"来增加新的模块。（Show All Modules:显示全部） 初始化模块： •
阅读更多...
软件架构模式：5 分钟阅读

软件架构模式：5 分钟阅读

原文： https://orkhanscience.medium.com/software-architecture-patterns-5-mins-read-e9e3c8eb47d2 软件架构模式：5 分钟阅读 当有人潜入软件工程世界时，有一天他需要学习软件架构模式的基础知识。当我刚接触编码时，我不知道从哪里获得简要介绍现有架构模式的资源，这样它就不会太详细和混乱，而是非常抽象和易
阅读更多...
BERT 论文逐段精读【论文精读】

BERT 论文逐段精读【论文精读】

BERT: 近 3 年 NLP 最火 CV: 大数据集上的训练好的 NN 模型，提升 CV 任务的性能 —— ImageNet 的 CNN 模型 NLP: BERT 简化了 NLP 任务的训练，提升了 NLP 任务的性能 BERT 如何站在巨人的肩膀上的？使用了哪些 NLP 已有的技术和思想？哪些是 BERT 的创新？ 1标题 + 作者 BERT: Pre-trainin
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2