标题：波恩大学、Zerotha｜VOGUE: Answer Verbalization through Multi-Task Learning（VOGUE：通过多任务学习回答语言化）

简介：近年来，知识图谱问答(KGQA)发生了显着的发展。尽管所有显着的进步，当前的知识图谱问答系统只关注答案生成技术而不是回答口头表达。然而，在真实场景中，用户更喜欢口头回答而不是生成的响应。本文解决了复杂问题的答案语言化任务知识图谱。在这种情况下，我们提出了一种基于多任务的回答措辞框架：VOGUE。VOGUE框架尝试通过多任务学习范式使用混合方法生成口头回答。我们的框架可以生成基于使用问题的结果和查询同时作为输入。VOGUE包含四个模块，通过多任务学习同时训练。我们在所有现有数据集上评估我们的框架用于回答语言表达，它的表现在BLEU和METEOR分数的作为评估指标优于所有当前基线。

代码下载：https://github.com/endrikacupaj/VOGUE

论文地址：https://arxiv.org/pdf/2106.13316v2.pdf

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