knok / acl2020-reading Goto Github PK

Hayate Iso, Chao Qiao, Hang Li
(Nara Institute of Science and Technology, ByteDance AI Lab)
https://www.aclweb.org/anthology/2020.acl-main.17/

• 事実関係のtriplet集合とドラフト文章から、完全な文章を生成する
  • ドラフト文章の編集ととらえる
    • ドラフト文章中の不足している事実はtripletから補う
    • tripletにない(事実関係が不足している)文は削除する
  • 関連研究: table-to-text generation
• WebNLG, RotoEditからデータセットを構築
  • テンプレートベースで構築
• 提案手法 FactEditor
  
  • keep, drop, genというアクションを行う
  • 単語生成はgenで実施
    • OOV対応のためcopy mechanismを用いる
• 評価
  • 死票: ExactMatch, BLEU, SARI score
• そもそも提案しているタスク(fact-based text editing)自体が新しい

Bowen Wu, MengYuan Li, Zongsheng Wang, Yifu Chen, Derek F. Wong, qihang feng, Junhong Huang, Baoxun Wang
(Platform and Content Group, Tencent, Peking University, Beijing, China, University of Chinese Academy of Sciences, NLP2CT Lab / Department of Computer and Information Science, University of Macau)
https://www.aclweb.org/anthology/2020.acl-main.7/

• ペルソナ情報を考慮した、対話応答生成
  • パーソナライズされた応答を生成する
  • VAEベース
  • 評価を行うための指標も考案
• メタデータベースのパーソナライズ応答生成手法は先行研究がある
• センシティブな情報
• メタデータの整備にコストがかかる
• 対話履歴をもとにしたVAEベースの手法も先行研究がある
  • 陽にユーザー属性を与えることができない
• 提案手法
  
  • 正規化に工夫をする
• 評価指標
  • Language Style Detection
    • User-Relative-Rank (uRank)
  • Language Style Imitation
    • User-Language-Perplexity (uPPL)
  • Diversity between Users
    • User-Distinct (uDistinct)
  • 人手評価も行う

Lieke Gelderloos, Grzegorz Chrupała, Afra Alishahi
(Tilburg University)
https://www.aclweb.org/anthology/2020.acl-main.1/

• 話し言葉は、相手が大人か子供かでさまざまな違いがある

  • 子供向けの話し言葉は言語学習者にとって有用
    • その特徴を直接的に抽出する試みがこの論文
  • adult-directed speech (ADS), child-directed speech (CDS) でモデルの訓練を比較
    • 学習初期はCDSが有用だが、高いパフォーマンス・一般性を持てるのはADSでの学習
    • 実験からは、この違いが音響的特性より言語的特性に起因していると思われる

• ADS/CDSの統計量比較
  

• 実装: https://github.com/lgelderloos/cds_ads