描述知识库

我们的目标是自动生成关于输入结构化知识库（KB）的自然语言描述。我们基于指针网络构建了生成框架，该网络可以从输入的知识库中复制事实，并引入了两种注意力机制：(i) 槽位感知注意力，用于捕捉槽位类型与其对应槽位值之间的关联；(ii) 新的\emph{表格位置自注意力}，用于捕捉相关槽位之间的相互依赖关系。在评估方面，除了包括BLEU、METEOR和ROUGE在内的标准指标外，我们还提出了一种基于知识库重构的评估指标，即从生成的输出中提取一个知识库并与输入的知识库进行比较。此外，我们创建了一个新的数据集，包含106,216对不同实体类型的结构化知识库及其对应的自然语言描述。实验结果表明，我们的方法显著优于现有最先进方法。重构的知识库达到了68.8%至72.6%的F值。