End-to-End Content and Plan Selection for Data-to-Text Generation 论文笔记
摘要学习使用神经网络从结构化数据生成流畅的自然语言已成为NLG的常用方法。 当结构化数据的形式在示例之间变化时，该问题可能是具有挑战性的。 本文介绍了序列到序列模型的几种扩展的调查，以考虑潜在内容选择过程，特别是拷贝注意力机制和覆盖解码的变体。 我们进一步提出了一种基于多种集成的训练方法，以鼓励模型在训练期间学习不同的句子模板。 对这些技术的实证评估表明，生成的文本质量在五个自动度量标准以及人...
