朵小喵儿|腾讯AI Lab高级研究员宋林峰:图到文本生成任务中的通用型图结构信息保存法


朵小喵儿|腾讯AI Lab高级研究员宋林峰:图到文本生成任务中的通用型图结构信息保存法图到文本生成是文本生成任务中的一项重要技术 , 其目的是通过机器理解图中信息 , 然后生成相应的解释文本 。 现有的图到文本生成模型 , 主要是通过更强大的模型来表示图信息 , 但模型依然是通过拟合到目标文本的基于语言模型(language modeling loss)的损失函数进行训练的 , 作为结果 , 模型会产生流畅的输出 , 但会丢失许多输入的重要信息 。
为了保存输入图中更多的信息 , 一个潜在的解决方案是改进训练信号来增强结构信息的保存 , 通过用额外的自编码损失来丰富训练信号 , 从而保存输入图的结构信息 。 但这种方法面临着一个问题 , 那就是不同类型图的标准自编码需要不同的重构算法 。
而在今年的ACL 2020中 , 腾讯AI Lab高级研究员宋林峰博士作为一作发表了一篇名为《Structural Information Preserving for Graph-to-Text Generation》的论文 。 在本文中 , 宋博士提出了一种通用的基于“多视角重建”的损失函数来辅助模型训练的方法 。 通过多种方法把输入的图投射到目标句子端 , 让解码器不仅学习输出目标句子 , 还要输出投射的图结构 , 这样能够迫使模型在做生成的时候更好的记住输入内容 。
9月9日上午10点 , 智东西公开课邀请到腾讯AI Lab 高级研究员宋林峰博士参与[腾讯AI Lab专场]第2讲 , 宋博士将围绕《图到文本生成任务中的通用型图结构信息保存法》这一主题进行直播讲解 。 宋博将从图到文本生成技术的发展与研究出发 , 详解基于重构图模型的通用型图结构信息保存法 , 并深入讲解该方法在多类型图到文本生成技术中的应用 。
宋林峰博士于2019年5月从罗彻斯特大学获得博士学位 , 师从Daniel Gildea教授 , 于2014年从中科院计算所硕士毕业 , 师从刘群博士 。 2013年11月到2014年2月 , 宋博士简短的以研究助理的身份访问在新加坡SUTD的张岳博士 , 曾于2015、2017和2018年暑假在IBM沃森研究院Salim Roukos的团队实习 , Mentor是王志国博士 。
课程内容
课程主题
《图到文本生成任务中的通用型图结构信息保存法》
课程提纲
1、图到文本生成技术的发展与研究
2、基于重构图模型的通用型图结构信息保存法
3、在多类型图到文本生成技术中的应用
讲师介绍
宋林峰 , 腾讯AI Lab高级研究员 , 于2019年5月从罗彻斯特大学获得博士学位 , 师从Daniel Gildea教授 , 于2014年从中科院计算所硕士毕业 , 师从刘群博士;2013年11月到2014年2月 , 宋博简短的以研究助理的身份访问在新加坡SUTD的张岳博士 , 曾于2015、2017和2018年暑假在IBM沃森研究院Salim Roukos的团队实习 , mentor是王志国博士 。
直播信息
直播时间:9月9日上午10:00
直播地点:智东西公开课小程序
【朵小喵儿|腾讯AI Lab高级研究员宋林峰:图到文本生成任务中的通用型图结构信息保存法】答疑地址:[腾讯AI Lab专场]讨论群
加入讨论群
本次课程的讲解分为主讲和答疑两部分 , 主讲以视频直播形式 , 答疑将在[腾讯AI Lab专场]讨论群进行 。
加入讨论群 , 除了可以免费收看直播之外 , 还能认识讲师 , 与更多同行和同学一起学习 , 并进行深度讨论 。
添加小助手小语(ID:hilele20)即可申请 , 备注“姓名-公司/学校/单位-职位/专业”的朋友将会优先审核通过哦~
朵小喵儿|腾讯AI Lab高级研究员宋林峰:图到文本生成任务中的通用型图结构信息保存法


    推荐阅读