摘要
从文本中自动构建相关知识库（Knowledge Base, KB），以及从知识库中生成语义上合理的文本，一直是机器学习领域的长期目标。本文提出ReGen，一种基于强化学习（Reinforcement Learning, RL）的双向文本与图结构生成框架，旨在提升生成性能。通过图结构的线性化表示，我们能够将两种生成任务——文本到图、图到文本——统一建模为序列到序列的生成问题，无论生成方向如何。这一统一框架使得我们可以采用强化学习进行序列训练，并利用模型自身作为其“批评者”（critic），从而实现自批判序列训练（Self-Critical Sequence Training, SCST）。本文通过大量实验验证，表明基于SCST的强化学习方法在WebNLG+ 2020和TekGen数据集上的图结构与文本生成任务中均能显著提升性能。在WebNLG+ 2020数据集上，我们的系统在文本到图和图到文本两种任务上均取得了当前最优（state-of-the-art）结果，显著超越了WebNLG 2020+挑战赛中已发表的基准成果。