知識グラフからテキスト生成と意味解析のための非監督統合システム

知識グラフ（Knowledge Graphs: KGs）は、分野によって大きく異なる。したがって、グラフからテキストへの生成とテキストからグラフへの知識抽出（意味解析）の両方における監督手法は、常に分野固有の並列グラフ-テキストデータの不足に悩まされる；同時に、別の分野で訓練されたモデルを適応させることが、実体や関係の重複がほとんどないか全くないため、しばしば不可能である。この状況は、（1）大量のアノテーションデータを必要とせず、（2）異なる分野で良好に動作するためにドメイン適応技術に依存する必要がないアプローチを求めるものである。この目的のために、我々は初めて無監督的なKGからのテキスト生成手法を提示し、同時にそれがどのように無監督的な意味解析にも利用できるかを示す。我々の手法はWebNLG v2.1およびVisual Genomeからシーングラフを利用した新しいベンチマークにおいて評価され、いずれのデータセット間でも手動での適応なしに強力な基準モデルを超える性能を発揮した。追加の実験では、異なる無監督目的を使用することによる影響について調査を行った。