論文の概要: Towards Faithfulness in Open Domain Table-to-text Generation from an
Entity-centric View
- arxiv url: http://arxiv.org/abs/2102.08585v1
- Date: Wed, 17 Feb 2021 05:41:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-18 14:49:46.798270
- Title: Towards Faithfulness in Open Domain Table-to-text Generation from an
Entity-centric View
- Title（参考訳）: エンティティ中心の視点から見たオープンドメインテーブル・トゥ・テキスト生成の信頼性に向けて
- Authors: Tianyu Liu, Xin Zheng, Baobao Chang and Zhifang Sui
- Abstract要約: テーブルレコードのカバレッジとテキスト中の幻覚エンティティの比率の2つのエンティティ中心のメトリクスで生成忠実度を評価します。
提案手法は,(1)強化計画ベースモデルと非教師なしモデルの両方を含む補助エンティティ情報を取り入れた強化学習と,(2)忠実度ランキングに基づくトレーニングインスタンス選択の2つである。
- 参考スコア（独自算出の注目度）: 32.55492881022101
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In open domain table-to-text generation, we notice that the unfaithful
generation usually contains hallucinated content which can not be aligned to
any input table record. We thus try to evaluate the generation faithfulness
with two entity-centric metrics: table record coverage and the ratio of
hallucinated entities in text, both of which are shown to have strong agreement
with human judgements. Then based on these metrics, we quantitatively analyze
the correlation between training data quality and generation fidelity which
indicates the potential usage of entity information in faithful generation.
Motivated by these findings, we propose two methods for faithful generation: 1)
augmented training by incorporating the auxiliary entity information, including
both an augmented plan-based model and an unsupervised model and 2) training
instance selection based on faithfulness ranking. We show these approaches
improve generation fidelity in both full dataset setting and few shot learning
settings by both automatic and human evaluations.
- Abstract（参考訳）: オープンなドメインテーブル・トゥ・テキスト生成では、不誠実な生成は通常、任意の入力テーブルレコードにアライメントできない幻覚コンテンツを含むことに気づく。
したがって,2つのエンティティ中心の指標による生成忠実性を評価することを試みる。表記録のカバレッジとテキスト中の幻覚的実体の比率であり,どちらも人間の判断と強い一致を示す。
次に,これらの指標に基づいて,忠実な生成におけるエンティティ情報の利用可能性を示す学習データ品質と生成忠実度の関係を定量的に解析する。
本研究の目的は,1) 強化計画ベースモデルと教師なしモデルの両方を含む補助エンティティ情報を組み込んだ強化学習と,2) 忠実度ランキングに基づくトレーニングインスタンス選択という2つの手法を提案することである。
これらのアプローチは,完全なデータセット設定とショット学習設定の両方において,自動評価と人間評価の両方によって,生成精度を向上させる。
関連論文リスト
- Evaluating Text-to-Image Generative Models: An Empirical Study on Human Image Synthesis [21.619269792415903]
本稿では,テキスト・ツー・イメージ(T2I)生成モデルのためのニュアンス評価フレームワークを提案する。
まず,美学やリアリズムといったイメージの質に着目し,第2に,概念的カバレッジと公平性を通じてテキスト条件を検証した。
論文 参考訳（メタデータ） (2024-03-08T07:41:47Z) - Benchmarking and Analyzing Generative Data for Visual Recognition [66.55174903469722]
この研究は生成的画像の影響を深く掘り下げ、主に外部データを利用するパラダイムを比較する。
我々は、2548のカテゴリを持つ22のデータセットからなるベンチマークである textbfGenBench を考案し、様々な視覚的認識タスクにまたがる生成データを評価した。
我々の徹底的なベンチマークと分析は、将来の調査における重要な課題を特定しながら、視覚認識における生成データの約束をスポットライトで示している。
論文 参考訳（メタデータ） (2023-07-25T17:59:59Z) - Faithfulness-Aware Decoding Strategies for Abstractive Summarization [72.74188956905712]
本研究では,ビームサーチや核サンプリングなどの生成技術が抽象的な要約における忠実性に及ぼす影響について検討する。
本稿では,現在の生成技術よりも忠実性を高めるための2つの忠実度認識生成手法を提案する。
論文 参考訳（メタデータ） (2023-03-06T16:49:27Z) - Exploring the Trade-off between Plausibility, Change Intensity and
Adversarial Power in Counterfactual Explanations using Multi-objective
Optimization [73.89239820192894]
自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。
本稿では, 対実例生成のための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2022-05-20T15:02:53Z) - Attend, Memorize and Generate: Towards Faithful Table-to-Text Generation
in Few Shots [58.404516361586325]
Few-shot table-to-text generation は、限られたデータを用いてテーブル内容を伝えるために、流動的で忠実な文を構成するタスクである。
本稿では,人間のテキスト生成プロセスに触発された新しい手法,覚醒と生成(AMG)を提案する。
論文 参考訳（メタデータ） (2022-03-01T20:37:20Z) - Sketch and Refine: Towards Faithful and Informative Table-to-Text
Generation [58.320248632121476]
自己回帰世代と非自己回帰世代(SANA)を組み合わせた新しい2段階法を提案する。
提案手法は,(1)ソーステーブルからキートークンを選択するための自己回帰ポインタネットワークを用いた骨格生成,(2)反復挿入と削除操作によるテキスト生成のための編集ベースの非自己回帰生成モデルを含む。
骨格から厳しい制約を統合することで、非自己回帰モデルはソーステーブル上の生成のカバレッジを改善し、その忠実性を高める。
論文 参考訳（メタデータ） (2021-05-31T08:18:13Z) - Towards Faithful Neural Table-to-Text Generation with Content-Matching
Constraints [63.84063384518667]
そこで本研究では,トランスフォーマーをベースとした新たな生成フレームワークを提案する。
忠実度を強制する手法の中核となる技術は、テーブル-テキストの最適トランスポート・マッチング・ロスである。
忠実度を評価するため,テーブル・ツー・テキスト生成問題に特化した新しい自動尺度を提案する。
論文 参考訳（メタデータ） (2020-05-03T02:54:26Z)
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。