초록
우리는 계산적 프라그마틱스(computational pragmatics) 기법을 사용하여 조건부 텍스트 생성 모델의 정보성(informativeness)을 개선합니다. 이러한 기법은 언어 생산을 화자와 청자가 참여하는 게임으로 표현하며, 이 게임에서 화자는 청자가 텍스트가 설명하는 원래 입력을 올바르게 식별할 수 있는 출력 텍스트를 생성해야 합니다. 이러한 접근 방식은 인지과학과 근거된 언어 학습(grounded language learning)에서 널리 사용되고 있지만, 보다 표준적인 언어 생성 작업에는 덜 주목받았습니다. 우리는 텍스트 생성을 위한 두 가지 프라그마틱스 모델링 방법을 고려합니다: 하나는 정보 보존(information preservation)에 의해 프라그마틱스를 부과하고, 다른 하나는 방해 요소(distractors)의 명시적 모델링에 의해 프라그마틱스를 부과합니다. 우리는 이러한 방법들이 추상적 요약(abstractive summarization) 및 구조화된 의미 표현(structured meaning representations)으로부터의 생성 시스템의 성능을 개선한다는 것을 발견했습니다.