基于序列到序列模型的文本到信息框生成的研究

摘要

本文展示了一种序列到序列的模型(Seq2Seq)来基于文本生成信息框(Infobox),信息框指的是一组“属性-值”对.该模型以端到端的方式工作,可利用一个编码器将一个文本段落表示成一个隐向量序列,然后通过解码器来生成信息框.本文在WIKIBIO数据集上进行实验.研究提出的序列到序列模型取得了58.2的F1值,该结果比流水线式的基准方法显著提升了21.0个百分点.实验结果表明,本模型具有以生成序列的方式来生成“属性-值”对的能力.引入注意力与拷贝机制可以提升模型的准确率.更重要的是,研究观察到该拷贝机制有能力从输入文本中拷贝稀有词来生成目标端信息框中的“值”.