通过循环训练将低资源数据忠实地用于文本生成

Zhuoer Wang, Marcus Collins, Nikhita Vedula, Simone Filice, Shervin Malmasi 以及 Oleg Rokhlenko
近年来,从结构化数据生成文本的方法已经取得了显著的进展,主要原因是对大型数据集训练的语言模型的 fine-tuning。然而,这些模型可能无法生成与输入数据完全匹配的输出,特别是在跨域数据上。足够的标注数据通常不为特定的域提供,因此我们寻求 unsupervised 的方法来改善输出文...

用户分享观点: