초록
본 논문은 대화 시스템에서 엔드투엔드(E2E) 자연어 생성(NLG)의 첫 번째 공유 작업에 대한 실험 설계 및 결과를 요약합니다. 최근의 엔드투엔드 생성 시스템은 데이터 주석의 필요성을 줄이는 데 있어 유망한 것으로 평가되고 있습니다. 그러나 이러한 시스템은 현재 작은, 비사전적(delexicalised) 데이터셋에 제한되어 있습니다. E2E NLG 공유 작업은 이러한 새로운 접근 방식들이 더 높은 사전적 풍부성, 문법적 복잡성 및 다양한 담화 현상을 포함하는 데이터셋을 통해 학습함으로써 더 우수한 품질의 출력을 생성할 수 있는지를 평가하는 것을 목표로 합니다. 우리는 17개 기관에서 제출된 62개의 시스템을 비교하였으며, 이는 다양한 접근 방식을 포함하고 있으며 대부분이 순차-순차(seq2seq) 모델을 구현한 머신 러닝 아키텍처뿐만 아니라 문법 규칙과 템플릿 기반 시스템도 포함하고 있습니다.