智东西|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,腾讯AI


智东西|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,腾讯AI
文章图片
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(languagemodelingloss)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ACL2020中 , 腾讯AILab高级研究员宋林峰博士作为一作发表了一篇名为《StructuralInformationPreservingforGraph-to-TextGeneration》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AILab高级研究员宋林峰博士参与[腾讯AILab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DanielGildea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SalimRoukos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AILab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DanielGildea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SalimRoukos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答疑地址:[腾讯AILab专场]讨论群
加入讨论群
【智东西|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,腾讯AI】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AILab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~