摘要

近期的图到文本模型通过使用全局或局部聚合来学习节点表示，从而从基于图的数据生成文本。全局节点编码允许两个相距较远的节点之间进行显式通信，但忽略了图的拓扑结构，因为所有节点都被直接连接在一起。相比之下，局部节点编码考虑了邻近节点之间的关系，捕捉了图的结构，但在捕捉长距离关系方面可能失效。在本研究中，我们结合了这两种编码策略，提出了新的神经模型，该模型通过融合全局和局部节点上下文来对输入图进行编码，以学习更好的上下文化节点嵌入。实验结果表明，我们的方法在两个图到文本数据集上取得了显著的改进，在AGENDA数据集上的BLEU得分为18.01，在WebNLG数据集（已见类别）上的BLEU得分为63.69，分别比现有最先进模型高出3.7和3.1分。