論文の概要: A Sentiment-Controllable Topic-to-Essay Generator with Topic Knowledge Graph

• arxiv url: http://arxiv.org/abs/2010.05511v1
• Date: Mon, 12 Oct 2020 08:06:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 06:42:14.002771
• Title: A Sentiment-Controllable Topic-to-Essay Generator with Topic Knowledge Graph
• Title（参考訳）: トピック知識グラフを用いた感性制御可能なトピック・ツー・エッセイ・ジェネレータ
• Authors: Lin Qiao, Jianhao Yan, Fandong Meng, Zhendong Yang, Jie Zhou
• Abstract要約: トピック知識グラフ強化デコーダを用いた,新しい感性制御型トピック・ツー・エッセイ・ジェネレータを提案する。 まず、各文に対する感情を制御するために、感情情報をジェネレータに注入し、様々なエッセイを生み出す。 知識エンティティを別々に使用する既存のモデルとは異なり、我々のモデルは知識グラフ全体を扱い、より構造化され、連結されたセマンティック情報をグラフにエンコードし、より関連するエッセイを生成する。
• 参考スコア（独自算出の注目度）: 44.00244549852883
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generating a vivid, novel, and diverse essay with only several given topic words is a challenging task of natural language generation. In previous work, there are two problems left unsolved: neglect of sentiment beneath the text and insufficient utilization of topic-related knowledge. Therefore, we propose a novel Sentiment-Controllable topic-to-essay generator with a Topic Knowledge Graph enhanced decoder, named SCTKG, which is based on the conditional variational autoencoder (CVAE) framework. We firstly inject the sentiment information into the generator for controlling sentiment for each sentence, which leads to various generated essays. Then we design a Topic Knowledge Graph enhanced decoder. Unlike existing models that use knowledge entities separately, our model treats the knowledge graph as a whole and encodes more structured, connected semantic information in the graph to generate a more relevant essay. Experimental results show that our SCTKG can generate sentiment controllable essays and outperform the state-of-the-art approach in terms of topic relevance, fluency, and diversity on both automatic and human evaluation.
• Abstract（参考訳）: 自然言語生成の課題は、いくつかの与えられた話題語しか持たない、鮮やかで斬新で多彩なエッセイを生成することである。 以前の研究では、テキストの下の感情の無視と、トピック関連の知識の不十分な利用という2つの問題が未解決のまま残されている。 そこで本稿では,条件付き変分オートエンコーダ(cvae)フレームワークに基づく,トピックナレッジグラフ拡張デコーダ(sctkg)を備えた,新たな感情制御型トピック・ツー・エスセイ生成器を提案する。 まず、各文に対する感情を制御するために、感情情報をジェネレータに注入し、様々なエッセイを生み出す。 次に,トピック知識グラフ拡張デコーダを設計する。 知識エンティティを別々に使用する既存のモデルとは異なり、我々のモデルは知識グラフ全体を扱い、より構造化され、連結されたセマンティック情報をグラフにエンコードし、より関連するエッセイを生成する。 実験結果から,SCTKGは感情制御可能なエッセイを生成でき,話題の関連性,流布度,多様性の両面において最先端のアプローチより優れることがわかった。

関連論文リスト

• Generating Faithful Text From a Knowledge Graph with Noisy Reference Text [26.6775578332187]
  与えられたグラフから忠実な自然言語テキストを生成することができるKG-to-text生成モデルを開発した。 まず、コントラスト学習を利用して、テキスト内の忠実な情報と幻覚的な情報を区別するモデルの能力を強化する。 第2に、制御可能なテキスト生成技術を用いて、デコーダに生成したテキストの幻覚レベルを制御する権限を与える。
  論文  参考訳（メタデータ） (2023-08-12T07:12:45Z)
• Semantic Similarity Measure of Natural Language Text through Machine Learning and a Keyword-Aware Cross-Encoder-Ranking Summarizer -- A Case Study Using UCGIS GIS&T Body of Knowledge [2.4909170697740968]
  GIS&T Body of Knowledge (BoK)は、地理空間的トピックを定義し、開発し、文書化するためのコミュニティ主導の取り組みである。 本研究は,テキストから意味を抽出する上で,複数自然言語処理(NLP)技術の有効性を評価する。 また、科学出版物を分析するための機械学習技術の使用について、新たな視点を提供する。
  論文  参考訳（メタデータ） (2023-05-17T01:17:57Z)
• An Overview on Controllable Text Generation via Variational Auto-Encoders [15.97186478109836]
  ニューラルベース生成モデリングの最近の進歩は、コンピュータシステムが人間と会話できるという期待を再燃させた。 変分自動エンコーダ(VAE)のような潜在変数モデル(LVM)は、テキストデータの分布パターンを特徴付けるように設計されている。 この概要は、既存の生成方式、テキスト変分自動エンコーダに関連する問題、および制御可能な生成に関するいくつかのアプリケーションについて概説する。
  論文  参考訳（メタデータ） (2022-11-15T07:36:11Z)
• Knowledge-Aware Bayesian Deep Topic Model [50.58975785318575]
  本稿では,事前知識を階層型トピックモデリングに組み込むベイズ生成モデルを提案する。 提案モデルでは,事前知識を効率的に統合し,階層的なトピック発見と文書表現の両面を改善する。
  論文  参考訳（メタデータ） (2022-09-20T09:16:05Z)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• Compression, Transduction, and Creation: A Unified Framework for Evaluating Natural Language Generation [85.32991360774447]
  自然言語生成(NLG)は幅広いタスクにまたがっており、それぞれが特定の目的のために機能する。 NLGタスクにおける情報変化の性質に基づく統一的な視点を提案する。 我々は,異なるNLGタスクの重要な側面を評価するのに適した,解釈可能なメトリクスのファミリーを開発する。
  論文  参考訳（メタデータ） (2021-09-14T01:00:42Z)
• Topic-to-Essay Generation with Comprehensive Knowledge Enhancement [8.373915325503289]
  本稿では,内部知識と外部知識の両方から情報を抽出し,エッセイ生成を改善することを目的とする。 内部知識の強化のために、トピックと関連するエッセイの両方を、情報源情報として教師ネットワークに供給する。 外部知識向上のために,トピック知識グラフエンコーダを提案する。
  論文  参考訳（メタデータ） (2021-06-29T08:01:42Z)
• MGD-GAN: Text-to-Pedestrian generation through Multi-Grained Discrimination [96.91091607251526]
  本稿では, 人的部分に基づく識別器と自己対応型識別器を併用した多点識別拡張生成適応ネットワークを提案する。 HPDモジュールには、多彩な外観と鮮明な詳細を強制するために、きめ細かい単語レベルの注意機構が採用されている。 様々な測定値に対する大幅な改善は、MGD-GANがテキストからペデストリアン合成シナリオに有効であることを示す。
  論文  参考訳（メタデータ） (2020-10-02T12:24:48Z)
• ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
  実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。 我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。 本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
  論文  参考訳（メタデータ） (2020-04-30T14:16:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。