对话代理环境下的自然语言生成知识图谱
摘要：知识图谱在对话代理提供的回答的准确性和全面性方面起到了增强作用。然而，在对话过程中生成答案仍然被视为一项具有挑战性的任务，并在近年来得到了广泛关注。在本文中，我们对用于知识图谱到文本生成的不同架构进行了回顾，包括：图神经网络、图变换器和使用seq2seq模型的线性化方法。我们讨论了每种架构的优点和局限性，并得出结论选择架构将取决于具体任务的要求。我们还强调了考虑执行时间和模型有效性等约束条件的重要性，尤其在对话代理的背景下。基于这些约束条件和DAVI领域的已标记数据的可用性，我们选择使用seq2seq变压器模型（PLMs）来进行知识图谱到文本生成任务。我们旨在改进PLMs上的基准数据集并在我们的未来工作中探索情感和多语言维度。总的来说，本综述为知识图谱到文本生成的不同方法提供了深入的见解，并概述了这一领域未来的研究方向。
作者：Hussam Ghanem (ICB), Massinissa Atmani (ICB), Christophe Cruz (ICB)
论文ID：2307.01548
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-07-06