4 个月前

用于结构化数据到文本生成的深度图卷积编码器

用于结构化数据到文本生成的深度图卷积编码器

摘要

大多数先前关于从图结构数据生成神经文本的研究依赖于标准的序列到序列方法。这些方法将输入图线性化,以便将其馈送到循环神经网络中。在本文中,我们提出了一种基于图卷积网络的替代编码器,该编码器直接利用了输入结构。我们在两个图到序列的数据集上报告了实验结果,这些结果实证了显式编码输入图结构的优势。

代码仓库

dice-group/NABU
tf
GitHub 中提及
diegma/graph-2-text
官方
pytorch

基准测试

基准方法指标
data-to-text-generation-on-sr11deepGCN + feat
BLEU: 0.666
data-to-text-generation-on-webnlgGCN EC
BLEU: 55.9

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
用于结构化数据到文本生成的深度图卷积编码器 | 论文 | HyperAI超神经