E2E NLG Challenge: Neural Models gegenüber Vorlagen

Der E2E NLG Challenge ist eine gemeinsame Aufgabe zum Generieren von Restaurantbeschreibungen aus Mengen von Schlüssel-Wert-Paaren. In diesem Beitrag beschreiben wir die Ergebnisse unserer Teilnahme an der Challenge. Wir entwickeln ein einfaches, dennoch wirksames neuronales Encoder-Decoder-Modell, das flüssige Restaurantbeschreibungen erzeugt und eine starke Baseline übertrifft. Zudem analysieren wir die vom Veranstalter bereitgestellten Daten und kommen zu dem Schluss, dass die Aufgabe auch mit einem vorab generierten Template-Modell gelöst werden kann, das innerhalb weniger Stunden entwickelt wurde.