データからテキスト生成を行うニューラルアプローチは、稀な入力項目の処理に関して、一般的にデレキシカル化（delexicalisation）またはコピーメカニズムを用いる。本研究では、2つのデータセット（E2EおよびWebNLG）と2つの評価設定を用いて、これらの2つの手法の相対的な影響を検証した。その結果、（i）稀な項目が性能に強く影響を与えること、（ii）デレキシカル化とコピーメカニズムを組み合わせることで最も大きな改善が得られること、（iii）稀なおよび未観測の項目に対してはコピーメカニズムが性能を発揮しないこと、および（iv）これらの2つのメカニズムの効果は、データセットの構築方法やトレイン・開発・テストデータへの分割方法に大きく依存することを示した。