Ein unüberwachtes gemeinsames System zur Textgenerierung aus Wissensgraphen und semantischen Analysen

Wissensgraphen (KGs) können von einem Bereich zum anderen erheblich variieren. Daher leiden überwachte Ansätze sowohl für die Textgenerierung aus Graphen als auch für die Wissensextraktion aus Texten zu Graphen (semantische Analyse) stets unter einem Mangel an domänenspezifischen parallelen Graph-Text-Daten; gleichzeitig ist es aufgrund der geringen oder fehlenden Übereinstimmung in den Entitäten und Relationen oft unmöglich, ein Modell, das in einem anderen Bereich trainiert wurde, anzupassen. Diese Situation erfordert einen Ansatz, der (1) keine großen Mengen an annotierten Daten benötigt und daher (2) nicht auf Domänenanpassungstechniken angewiesen ist, um in verschiedenen Bereichen gut zu funktionieren. Zu diesem Zweck präsentieren wir den ersten Ansatz zur unüberwachten Textgenerierung aus Wissensgraphen und zeigen gleichzeitig, wie er für die unüberwachte semantische Analyse eingesetzt werden kann. Wir evaluieren unseren Ansatz anhand von WebNLG v2.1 und einer neuen Benchmark, die Szenengraphen aus Visual Genome nutzt. Unser System übertrifft starke Baseline-Methoden bei beiden Text$\leftrightarrow$Graph-Konvertierungsaufgaben ohne manuelle Anpassung von einem Datensatz zum anderen. In zusätzlichen Experimenten untersuchen wir den Einfluss verschiedener unüberwachter Ziele.请注意，虽然您的要求中提到“使其更符合法语读者的阅读习惯”，但这里应该是笔误，因为您需要的是德语翻译。因此，我在翻译时考虑了德语读者的阅读习惯。如果您有任何进一步的要求或疑问，请随时告知。