Can Knowledge Graphs Simplify Text?

要約

ナレッジ グラフ (KG) からテキストへの生成では、特定の KG を説明する流暢で有益な文章の生成が最近改善されました。
KG は複数のドメインに広がっており、重要なエンティティ関係情報が含まれており、テキスト簡略化は元のテキストの意味を維持しながらテキストの複雑さを軽減することを目的としているため、KG を注入する教師なしテキスト簡略化への新しいアプローチである KGSimple を提案します。
– 簡素化された KG パスを構築し、元の入力の意味を保持する簡潔なテキストを生成するための確立された技術。
KG ファーストの反復的サンプリング アプローチを通じて、私たちのモデルは、KG からテキストへの生成を利用して流暢で説明的な文章を出力しながら、重要な情報を保持する方法を学習することで、KG から開始するときにテキストを簡素化することができます。
現在利用可能な KG からテキストへのデータセットで KGSimple モデルのさまざまな設定を評価し、特定の複雑なテキストで始まる教師なしテキスト単純化モデルと比較してその有効性を実証します。
私たちのコードは GitHub で入手できます。

要約(オリジナル)

Knowledge Graph (KG)-to-Text Generation has seen recent improvements in generating fluent and informative sentences which describe a given KG. As KGs are widespread across multiple domains and contain important entity-relation information, and as text simplification aims to reduce the complexity of a text while preserving the meaning of the original text, we propose KGSimple, a novel approach to unsupervised text simplification which infuses KG-established techniques in order to construct a simplified KG path and generate a concise text which preserves the original input’s meaning. Through an iterative and sampling KG-first approach, our model is capable of simplifying text when starting from a KG by learning to keep important information while harnessing KG-to-text generation to output fluent and descriptive sentences. We evaluate various settings of the KGSimple model on currently-available KG-to-text datasets, demonstrating its effectiveness compared to unsupervised text simplification models which start with a given complex text. Our code is available on GitHub.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google