【SIGIR2021】 基于知识图谱的增强连贯性文本规划的评论生成

论文题目：Knowledge-based Review Generation by Coherence Enhanced Text Planning

论文概述：生成信息丰富、连贯性强的评论文本是自然语言生成中一个具有挑战性的任务。为了丰富文本内容，现有的解决方案通常从知识图谱中学习如何复制实体或三元组。然而，这些方法对如何选择和安排知识图谱缺乏整体的考虑，容易造成文本不连贯问题。为了解决上述问题，我们以实体为中心，利用知识图谱的语义结构提高生成评论文本的连贯性。在本文中，我们提出了一种基于知识图谱的增强连贯性文本规划模型(CETP)，以提高生成评论文本的全局连贯性和局部连贯性。我们的模型学习生成两个阶段的文本规划：(1)文档规划为一个句子规划序列；(2)每个句子规划是一个基于实体的知识图谱子图。局部连贯性可以自然而然地通过子图上实体与实体间的句内关系实现。对于全局连贯性，我们设计了一个层次自注意架构，学习子图在节点级和子图级的关系，以增强子图之间的全局连贯性。

https://www.zhuanzhi.ai/paper/367c44e73ef997a9eacb1db1c458c355