摘要
问题
基于神经网络的自然语言生成(NLG)对数据量的需求特别大,因此在数据有限的情况下很难在实际应用中采用。
解决对策
在这项工作中作者提出了few-shot的自然语言生成方法:
模型体系结构的设计基于两个方面:
- 从输入数据中选择内容和通过语言建模来构造连贯的句子,这些句子可以从先验知识中获取。
- 通过200个跨多个领域的训练实例,在最强的 baseline 平均提高了8.0%以上的BLEU点。
参考文章
微信扫一扫
问题
基于神经网络的自然语言生成(NLG)对数据量的需求特别大,因此在数据有限的情况下很难在实际应用中采用。
解决对策
在这项工作中作者提出了few-shot的自然语言生成方法:
模型体系结构的设计基于两个方面:
参考文章
相关推荐