
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-sr11deep | GCN + feat | BLEU: 0.666 |
| data-to-text-generation-on-webnlg | GCN EC | BLEU: 55.9 |