ACLFeb, 2023

逻辑形式控制下提升表格到文本生成的忠实度和多样性的 LoFT

PDF
TL;DR本文提出了一种利用逻辑形式实现内容计划的模型 LoFT，通过验证逻辑形式实现生成逻辑上准确，内容多样的逻辑文本生成，目前在 LogicNLG 数据集上是第一个同时解决准确性和多样性问题的模型。
发现论文，激发创造
  • Logic2Text: 从逻辑形式生成高保真自然语言

    本文旨在从逻辑形式出发，探讨基于结构化数据的自然语言生成，在介绍新数据集的同时，实验了多个生成模型并分析了它们的表现。

    Apr, 2020

  • 自动逻辑形式提高表格到文本生成的准确性

    给定一个表格和内容的选择，TlT 首先生成逻辑形式（LFs），然后生成文本陈述，我们首次展示了自动的 LFs 如何提高质量，与不使用 LFs 的类似系统相比，其忠实度提高了 30 个点，我们的实验可以量化高度事实正确性的剩余挑战，内容的自动选择是首要问题，其次是更好的逻辑到文本生成，以及在较小程度上，更好的表格到逻辑解析。

    Oct, 2023

  • 通过反事实样本研究从逻辑形式生成自然语言的鲁棒性

    Logic2Text 是为生成受表格和逻辑形式控制的、忠实的文本而设计的，要求进行深入的表格和逻辑形式理解，并对表格进行符号推理。该研究提出使用因果视角分析偏差，并提出一种使用逻辑形式的分层结构和对抗数据进行训练的方法以减轻该偏差的影响，从而发展出具有真正逻辑推理能力的逻辑生成模型。

    Oct, 2022

  • PLOG：表格到逻辑预训练用于逻辑表格到文本生成

    通过提出预先训练逻辑形式生成器（PLOG）框架，该框架首先在表格生成逻辑形式的任务上进行了预训练，然后在下游的表格到文本任务上进行 fine-tuning，可以有效地提高表格到文本生成模型的逻辑水平。在两项基准测试中，PLOG 在逻辑水平上都优于现有的强基准线，证明了表格到逻辑形式预训练的有效性。

    May, 2022

  • 大型语言模型是有效的表格到文本生成器、评估器和反馈提供者

    本研究研究了大型语言模型在生成结构化表格数据文本时的性能，证明了大型语言模型在文本生成领域中的潜力和应用，并探讨了大型语言模型在文本生成质量自动评估及模型优化中的应用。

    May, 2023

  • 基于内容匹配约束的神经网络法律文书生成的忠实性改进

    本文提出了一种基于 Transformer 模型的文本生成框架，以实现表格与文本的一致性，并提出了一种新的自动度量标准来评估一致性，实验证明该框架可以显著超越现有技术。

    May, 2020

  • 来自开放域表格的逻辑自然语言生成

    本研究探讨了一种新型的自然语言生成任务，在半结构化表格中，生成可逻辑推断的自然语言陈述，并提出了新的自动评估指标。探讨使用 LSTM、Transformer、预训练语言模型等方法及其算法的表现，并发现预训练语言模型可以将流畅性和逻辑发挥至最大。

    Apr, 2020

  • 通过类型控制增强多样性的表格生成文本方法

    本研究提出了一种增强表 - 文本生成的多样性方法，利用逻辑类型控制模型生成多样化的文本语句，既能够有效地调整生成语句类型，又能够在给定表格的情况下获得多样的语句集合。

    May, 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

  • 自然语言生成中的忠实度：分析、评估和优化方法的系统调查

    本文系统综述了自然语言生成（NLG）的忠实度问题和相关评估方法和优化方法，并将不同任务的评估和优化方法组织在一个统一的分类中，以促进不同任务之间的比较和学习。

    Mar, 2022