摘要

知识图谱到文本（G2T）生成涉及将结构化的知识图谱转化为自然语言文本。预训练语言模型（PLMs）的最新进展已经提升了G2T的性能，但其效果依赖于具有精确图谱-文本对齐的数据集。然而，高质量、通用领域的G2T生成数据集的稀缺限制了该领域研究的进展。为了解决这一问题，我们引入了维基百科无本体图谱-文本数据集（WikiOFGraph），这是一个通过新颖方法生成的大规模G2T数据集，该方法结合了大型语言模型（LLM）和Data-QuestEval。我们的新数据集包含585万个通用领域的图谱-文本对，提供了高图谱-文本一致性，而无需依赖外部本体。实验结果表明，在WikiOFGraph上微调的PLM在各种评估指标上优于其他数据集上训练的模型。我们的方法被证明是一种可扩展且有效的解决方案，用于生成高质量的G2T数据，显著推进了G2T生成领域的发展。