EMNLPApr, 2021

句子排列段落生成

PDF
TL;DR本研究提出了一种叫 PermGen 的新框架，通过对句子顺序进行排列可以提高多句段落的内容多样性，并最大化输出段落分布的对数似然，PermGen 使用了分层位置嵌入和设计了新的程序进行训练、解码和候选排名，在三个段落生成基准测试中，PermGen 生成了比现有模型更多样化和高质量的输出。
paragraph generationcontent diversitysentence permutationhierarchical positional embeddingcandidate ranking
发现论文，激发创造
  • 通过编辑原型生成句子

    本文提出了一种新的句子生成模型，该模型将从训练语料库中抽样一句原型句子，然后将其编辑成新句子，相比于传统的从头开始生成句子的模型，该原型 - 编辑模型在语言建模的困惑度上有所提高，并生成更高质量的输出，此外，该模型产生了一个潜在的编辑向量，捕捉句子相似性和句子层面的类比等可解释的语义。

    Sep, 2017

  • 从图像中生成多样且连贯的段落

    通过使用 “连贯向量”、“全局主题向量” 和变分自动编码器对段落生成技术进行增强，以解决图像关联性固有的歧义性，本文在两个数据集上比现有最先进技术表现更为出色。

    Sep, 2018

  • 基于规划的分层变分模型进行长篇多样化文本生成

    本文提出了一种基于规划的分层变分模型，通过规划出一系列任务子集来分割长文本生成任务，实现了生成多样化表达的效果，相较于现有神经方法更为出色。

    Aug, 2019

  • 使用潜在排列进行内容建模

    提出一种新的贝叶斯主题模型，以学习语篇级别文档结构，通过知识先验和排列分布约束隐藏式主题分配，实现了全局主题选择和排序的偏向性，并在跨文档对齐，文档分割和信息排序三个不同层级的任务中均获得了较好的表现。

    Jan, 2014

  • 从释义学习概率句子表示

    本文定义了能够为句子产生分布的概率模型，最佳表现的模型将每个单词视为线性转换算子应用于多变量高斯分布，并通过从定义的模型中进行训练，演示了实现句子特定性的自然方式。虽然我们的模型是整体最佳表现的，但通过句子向量的范数表示来表示句子的特异性的简单架构也能够表现句子的特异性。质性分析表明，我们的概率模型捕获了句子涵盖并提供了分析单词特异性和精确性的方法。

    May, 2020

  • 基于句子重写和排序的文档级释义生成

    本文提出了一种基于 CoRPG（Coherence Relationship guided Paraphrase Generation）的方法，利用图形 GRU 编码一致性关系图并获取每个句子的一致性感知表示，用于重新排列多个（可能修改）输入句子，以生成更具多样性和语义保持的文档改写。

    Sep, 2021

  • 将释义推离原句：一种多次循环的释义生成方法

    本文提出了 BTmPG（Back-Translation guided multi-round Paraphrase Generation) 框架，通过多轮的改写和反向翻译保留语义信息来增加生成的改写句子与原始句子的差异性，并在人工评价和自动评价中证明了其提高了改写的多样性并保持了原始句子的语义。

    Sep, 2021

  • 一个用于释义生成的深度生成框架

    本篇论文研究了一种使用深度生成模型（VAE）与序列到序列模型（LSTM）相结合的方法来自动生成给定句子的同义句，相对于现有方法具有更好的性能和简洁的模块化结构。

    Sep, 2017

  • D-PAGE：多样化的近义词生成

    本文提出了一种基于神经机器翻译模型的多样化言语转述生成方法 (D-PAGE)，在两个真实基准数据集上进行实验并基于 Jeffrey's Divergence 等评价指标表明 D-PAGE 与基线方法相比至少产生了 10 倍以上的多样化输出。

    Aug, 2018

  • 通过建模句子级和语篇级连贯性进行长文本生成

    该论文提出了一种基于预训练的长文本生成模型，通过预测句子间语义相似度和区分正常和洗牌句序的两个预训练目标来学习句子和语篇级别的表示，从而能够生成比现有技术更加连贯的文本。

    May, 2021