المشفرات الرسومية العميقة للشبكات المُعقدة لتوليد النص من البيانات المُهيكلة

معظم الأعمال السابقة في مجال توليد النصوص العصبية من البيانات ذات الهيكل الرسومي تعتمد على الأساليب التقليدية للتحويل من تسلسل إلى تسلسل. تقوم هذه الأساليب بتحويل الرسم البياني المدخل إلى شكل خطي ليتم إدخاله إلى شبكة عصبية متكررة. في هذا البحث، نقترح مُشفِّرًا بديلًا يستند إلى شبكات التجميع الرسومية (Graph Convolutional Networks) ويستغل بشكل مباشر هيكل المدخل. نقدم نتائج على مجموعتين من بيانات التحويل من رسم بياني إلى تسلسل، والتي تظهر بشكل تجريبي فوائد ترميز هيكل الرسم البياني المدخل بشكل صريح.