ENT-DESC: 지식 그래프를 활용한 실체 설명 생성

지식-텍스트 생성에 관한 이전 연구들은 일부 엔티티의 지식을 전달하는 몇 개의 RDF 트리플 또는 키-값 쌍을 입력으로 받아 자연어 설명을 생성하는 방식을 취했습니다. WIKIBIO, WebNLG, E2E와 같은 기존 데이터셋은 기본적으로 입력 트리플/키-값 쌍 집합과 출력 텍스트 간에 좋은 일치성을 보입니다. 그러나 실제 환경에서는 출력 설명이 가장 중요한 지식만을 포함할 수 있으므로, 입력 지식이 충분히 많을 수 있습니다. 본 논문에서는 이러한 실제 시나리오를 연구하기 위해 대규모이고 도전적인 데이터셋을 소개합니다. 우리의 데이터셋은 다양한 유형의 주요 엔티티의 풍부한 지식을 큰 지식 그래프(KG)에서 검색하는 것을 포함하여, 현재 그래프-시퀀스 모델이 설명을 생성하면서 정보 손실과 매개변수 폭발 문제에 심각하게 영향을 받습니다. 우리는 이러한 문제들을 해결하기 위해 원래 그래프 정보를 더 포괄적으로 표현할 수 있는 다중 그래프 구조를 제안합니다. 또한, 풍부한 그래프 정보를 추출하도록 학습하는 집계 방법도 통합하였습니다. 광범위한 실험 결과는 우리의 모델 아키텍처의 효과성을 입증하고 있습니다.