典型文献
基于大规模自动标注语料的AMR-to-Text生成性能研究
文献摘要：
抽象语义表示(Abstract Meaning Representation,AMR)到文本生成(简称AMR-to-Text生成),可将给定的AMR图生成与其意义相同的文本.由于AMR-to-Text生成可使用的标准数据集规模较小,因此该任务生成文本的性能受模型影响较大.针对此问题,文章基于大规模自动标注语料来比较先进模型和基准模型生成文本的性能,探索了先进模型在使用大规模自动标注语料的基础上,是否还能够保持其显著的性能优势.使用了(Sequence-to-Sequence,Seq2Seq)的Transformer模型和当前AMR-to-Text生成性能最优的图到序列模型,通过不同方案比较模型生成文本的性能.实验结果表明,在大规模自动标注语料的基础上,AMR-to-Text生成任务的先进模型与基准模型生成文本的性能没有显著差异,先进模型的性能优势不明显.
文献关键词：
AMR-to-Text生成;大规模自动标注语料;生成文本性能;性能比较
中图分类号：
作者姓名：
付叶蔷;李军辉
作者机构：
苏州大学 计算机科学与技术学院,江苏 苏州 215006
文献出处：
引用格式：
[1]付叶蔷;李军辉-.基于大规模自动标注语料的AMR-to-Text生成性能研究)[J].山西大学学报（自然科学版）,2022(04):915-923
A类：
大规模自动标注语料,生成文本性能
B类：
AMR,Text,生成性,抽象语义表示,Abstract,Meaning,Representation,文本生成,图生成,标准数据集,规模较,任务生成,模型生成,性能优势,Sequence,Seq2Seq,Transformer,序列模型,方案比较,比较模型,性能比较
AB值：
0.259446
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
