초록
최근의 신경망 모델들은 소수의 데이터베이스 기록을 바탕으로 짧은 설명 텍스트를 생성하는 문제에서 상당한 진전을 보여주었습니다. 본 연구에서는 이보다 약간 더 어려운 데이터-텍스트 생성 작업을 제안하고, 현재 접근 방식들이 이 작업에서 얼마나 효과적인지 조사합니다. 특히, 새로운 대규모 데이터 기록과 설명 문서가 짝을 이루는 코퍼스를 소개하며, 성능 분석을 위한 일련의 추출 평가 방법들을 제안하고, 현재의 신경망 생성 방법을 사용하여 기준선 결과를 얻습니다. 실험 결과, 이러한 모델들은 유창한 텍스트를 생성하지만, 인간이 작성한 문서를 설득력 있게 근접시키지는 못했습니다. 또한, 템플릿 기반 기준선들조차 일부 지표에서 이러한 신경망 모델들의 성능을 초월하였으나, 복사 및 재구성 기반 확장은 눈에 띄는 개선을 가져왔습니다.