지식 기반을 설명하는 것

우리는 구조화된 지식 기반(KB)에 대한 자연어 설명을 자동으로 생성하는 것을 목표로 합니다. 이를 위해 입력 KB에서 사실을 복사할 수 있는 포인터 네트워크를 기반으로 생성 프레임워크를 구축하였으며, 두 가지 주의 메커니즘을 추가하였습니다: (i) 슬롯 유형과 해당 슬롯 값 사이의 연관성을 포착하기 위한 슬롯 인식 주의 메커니즘; (ii) 관련 슬롯 간의 상호 의존성을 포착하기 위한 새로운 \emph{테이블 위치 자기주의 메커니즘}(table position self-attention). 평가를 위해 BLEU, METEOR, ROUGE와 같은 표준 측정항목 외에도, 생성 출력에서 KB를 추출하여 입력 KB와 비교하는 KB 재구성 기반 측정항목을 제안합니다. 또한 두 가지 다른 엔티티 유형에 대해 구조화된 KB와 그에 대응하는 자연어 설명 쌍 106,216개를 포함하는 새로운 데이터 세트를 생성하였습니다. 실험 결과, 우리의 접근 방식이 최신 방법론보다 크게 우수함을 보여주며, 재구성된 KB는 F-점수가 68.8% - 72.6%를 달성하였습니다.