ACLDec, 2020

WikiTableT: 为生成维基百科文章章节而设计的大规模数据转文本语料库

PDF
TL;DR本文针对将生成维基百科文章作为一种数据到文本生成任务的问题，创建了一个大规模数据集 WikiTableT，该数据集包含了数以百万计的实例，覆盖了广泛的主题，并且包含了多种不同水平灵活性的生成任务。在该数据集上进行了多种训练和解码策略的评估和分析，结果表明最佳方法能够生成流畅和高质量的文本，但它们在连贯性和真实性方面仍面临挑战，这表明该数据集可以激发未来关于长篇文本生成的研究。
发现论文，激发创造
  • ToTTo：一种受控表格转文本生成数据集

    ToTTo 是一个开放领域的英文表格生成文本的数据集，通过控制生成任务，给定维基百科表格和一组突出显示的表格单元，产生一个句子的描述。

    Apr, 2020

  • WikiDes: 一份基于维基百科的数据集，用于从段落中生成简短描述

    介绍了一个新的名为 WikiDes 的数据集，利用 T5 和 BART 等预训练模型实现了基于传递学习和对比学习的短描述生成和排名。结果表明，该方法在文本摘要中的表现优于传统方法，并可用于生成缺失的描述，丰富 Wikidata 知识图谱。

    Sep, 2022

  • WikiHow：一个大规模的文本摘要数据集

    本研究介绍了一种基于在线知识库的数据集 WikiHow，包含超过 230,000 个文章和摘要对，用于评估现有的序列到序列模型在不同写作风格、更高语义抽象度的摘要中的性能。

    Oct, 2018

  • WikiTableEdit: 自然语言指令下的表格编辑基准

    本研究通过 WikiTableEdit 数据集，评估大型语言模型在不规则结构的表格编辑任务中的表现，提出了使用自然语言指令进行表格编辑的挑战，并将数据集发布给社区推进相关研究。

    Mar, 2024

  • TaTa：非洲语言多语种表格生成文本数据集

    该研究创建了第一个专注于非洲语言的大型多语言表格生成文本数据集：TaTa，并通过深入的人类评估表明，TaTa 对当前模型具有挑战性，现有指标的表现不佳。

    Oct, 2022

  • 事实与感受：在表格转文本生成中捕捉客观性和主观性

    通过对线性化表格进行序列到序列模型的微调和在流行的大型语言模型上进行提示，我们分析了从定量和定性的角度来确保捕捉主观性和事实的一致性的结果，显示出微调的 LMs 可以接近提示的 LLMs。根据我们的了解，我们提供了一种多类型和包含主观性的表格数据集，并对不同的 LLM 性能进行了首次全面的分析和比较。

    Jun, 2024

  • 表格转文本：用自然语言描述表格区域

    本文提出了一种生成模型，它将一行从表中映射到一个连续向量，然后通过利用表的语义生成一个自然语言句子，还提出了一种灵活的复制机制以处理表中出现的罕见单词，并在两个综合数据集上取得了较高 BLEU-4 分数，其中一个数据集包含 13,318 个解释句子和 4,962 个表格。

    May, 2018

  • WikiGraphs：一组维基百科文本 - 知识图谱配对数据集

    我们提供了一个新的数据集 WikiGraphs，其中包括每篇维基百科文章和一个知识图，以促进条件文本生成、图形生成和图形表示学习的研究。通过在建立 WikiText-103 基准的每个维基百科文章上与 Freebase 知识图中的一个子图配对，我们的新数据集具有显着的规模，可以轻松评估其他最先进的文本生成模型。我们在数据集上展示并比较了基线图神经网络和变压器模型的 3 种任务结果：图形 -> 文本生成、图形 -> 文本检索和文本 -> 图形检索。文中指出，更好的条件图形可以提高生成和检索的质量，但还有很大的改进空间。

    Jul, 2021

  • LaTable: 大型表格模型的探索

    构建更好的零样本和少样本生成能力的生成式表格基础模型 LaTable 在有限样本的条件下，在实例内分布生成方面胜过基线，并在生成超出分布的数据集时表现更好。

    Jun, 2024

  • 长文本和多表总结：数据集和方法

    旨在创造简明摘要以涵盖输入文档的要点信息。自动文档摘要对文本和非文本内容进行了讨论，提出了涵盖定量描述的关键指标的表格数据的重要性，提出了一个大规模数据集和三种摘要方法，还评估了评估指标

    Feb, 2023