XAlign：低資源言語向けの多言語事実から文章へのアライメントと生成

多様な重要なシナリオ（例えば、英語のインフォボックスからウィキペディアのテキストを自動生成するケース）において、英語の事実トリプル（fact triples）から低資源言語（Low-Resource, LR）における記述テキストを自動生成する必要がある。これまでの研究は、英語の事実からテキストへの生成（Fact-to-Text, F2T）に主眼を置いていた。現時点で知られている限り、低資源言語におけるクロスリンガルなアライメントや生成に関する先行研究は存在しない。効果的なクロスリンガルF2T（Cross-lingual F2T, XF2T）システムを構築するためには、英語の構造化された事実と低資源言語の文との間のアライメントが必要となる。本研究では、クロスリンガルアライメントを実現するための2つの教師なし手法を提案する。また、8言語にまたがる0.45Mのペアを含むXF2Tデータセット「XALIGN」を構築した。このデータセットのうち5,402ペアは手動でアノテーション済みである。さらに、XALIGNデータセット上で強力なベースラインXF2T生成モデルを学習した。