초록
최근 데이터-텍스트 생성 분야의 발전으로 인해, 대규모 데이터셋과 신경망 모델이 사용되고 있으며, 이러한 모델은 말할 내용과 순서를 명시적으로 모델링하지 않고 단일 과정(end-to-end)으로 훈련됩니다. 본 연구에서는 단일 과정 훈련을 포기하지 않으면서도 콘텐츠 선택과 계획을 통합한 신경망 아키텍처를 제시합니다. 우리는 생성 작업을 두 단계로 분리하였습니다. 데이터 레코드 집합(설명 문서와 짝을 이룬)이 주어지면, 먼저 어떤 정보가 언급되어야 하고 그 순서는 어떠해야 하는지를 강조하는 콘텐츠 계획을 생성하고, 그 다음에는 콘텐츠 계획을 고려하여 문서를 생성합니다. 자동 평가 및 인간 기반 평가 실험 결과, 우리의 모델이 강력한 기준 모델들을 능가하며 최근 발표된 RotoWire 데이터셋에서 최신 기술 수준(state-of-the-art)을 개선했다는 것을 보여주고 있습니다.