2023-05-10计算机应用,JournalofComputerApplications2023,43(5):1365-1371ISSN1001-9081CODENJYIIDUhttp：//www.joca.cnJ-SGPGN：基于序列与图的联合学习复述生成网络侯志荣1，2*，范晓东1，张华1，马晓楠1（1.工银科技有限公司，北京100029；2.北京大学软件与微电子学院，北京102600）（∗通信作者电子邮箱hou.zhirong@pku.edu.cn）摘要：复述生成是一种基于自然语言生成（NLG）的文本数据增强方法。针对基于Seq2Seq（Sequence-to-Sequence）框架的复述生成方法中出现的生成重复、语意错误及多样性差的问题，提出一种基于序列与图的联合学习复述生成网络（J-SGPGN）。J-SGPGN的编码器融合了图编码和序列编码进行特征增强，而解码器中则设计了序列生成和图生成两种解码方式并行解码；然后采用联合学习方法训练模型，旨在兼顾句法监督与语义监督以同步提升生成的准确性和多样性。在Quora数据集上的实验结果表明，J-SGPGN的生成准确性指标METEOR（MetricforEvaluationofTranslationwithExplicitORdering）较准确性最优基线模型——RNN+GCN提升了3.44个百分点，生成多样性指标Self-BLEU（Self-BiLingualEvaluationUnderstudy）较多样性最优基线模型——多轮回译复述生成（BTmPG）模型降低了12.79个百分点。J-SGPGN能够生成语义更准确、表达方式更多样的复述文本。关键词：复述生成；编码器-解码器；自注意力网络；序列生成；图生成；联合学习中图分类号：TP181；TP391文献标志码：AJ-SGPGN：paraphrasegenerationnetworkbasedonjointlearningofsequenceandgraphHOUZhirong1，2*，FANXiaodong1，ZHANGHua1，MAXiaonan1（1.ICBCTechnologyCompanyLimited，Beijing100029，China；2.SchoolofSoftwareandMicroelectronics，PekingUniversity，Beijing102600，China）Abstract:ParaphrasegenerationisatextdataargumentationmethodbasedonNaturalLanguageGeneration（NLG）.Concerningtheproblemsofrepetitivegeneration，semanticerrorsandpoordiversityinparaphrasegenerationmethodsbasedontheSequence-to-Sequence（Seq2Seq）framework，aParaphraseGenerationNetworkbasedonJointlearningofSequenceandGraph（J-SGPGN）wasproposed.GraphencodingandsequenceencodingwerefusedintheencoderofJ-SGPGNforfeatureenhancement，andtwodecodingmethodsincludingsequencegenerationandgraphgenerationweredesignedinthedecoderofJ-SGPGNforparalleldecoding...
