指针生成网络在自然语言生成任务上表现出不错的性能，本文主要介绍的是自动生成KG中entity的描述生成任务，目标是对于输入的（来自KG）的entity及其属性（属性可以分为多种类型的slot）生成对应的自然语言文本描述。为了更加准确的利用自然语言生成过程中的copy机制（何时以及在什么位置copy源语言的内容），作者提出了一种可适应的指针生成网络模型KG2TEXT，在Person与Animal（来自WikiData，由Wang et al.提出的一种用于KG描述生成的数据集）的实验结果表明，该模型的性能达到了目前最优。

内容中包含的图片若涉及版权问题，请及时与我们联系删除