
摘要
自然语言生成是生成式对话系统和会话代理的核心组成部分。本文描述了一种集成神经语言生成器,并介绍了几种新颖的数据表示和增强方法,这些方法在我们的模型中取得了更好的效果。我们在餐厅、电视和笔记本电脑三个领域的数据集上测试了该模型,并报告了我们最佳模型的客观和主观评估结果。通过一系列自动评估指标以及人类评估者的评价,我们证明了我们的方法在这三个相同数据集上的表现优于当前最先进的模型。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| data-to-text-generation-on-e2e-nlg-challenge | Slug | BLEU: 66.19 METEOR: 44.54 NIST: 8.6130 ROUGE-L: 67.72 |