GenWiki : Un ensemble de données de 1,3 million de textes et de graphes partagés de contenu pour la génération non supervisée de texte à partir de graphes

La collecte de données pour la génération de texte à partir de graphes de connaissances est coûteuse. En conséquence, des recherches sur les modèles non supervisés sont devenues récemment un domaine actif. Toutefois, la plupart des modèles non supervisés doivent recourir à des versions non parallèles de jeux de données supervisés existants, de taille réduite, ce qui limite fortement leur potentiel. Dans cet article, nous proposons un nouveau jeu de données à grande échelle et généraliste, appelé GenWiki. Notre jeu de données non supervisé contient respectivement 1,3 million d’exemples de texte et de graphes. Grâce à un ensemble de tests annoté par des humains, nous mettons à disposition cette nouvelle base de données pour les recherches futures sur la génération de texte non supervisée à partir de graphes de connaissances.