知识图谱与自然语言生成NLG

RDF2Text

Few-Shot NLG with Pre-Trained Language Model

Logical Natural Language Generation from Open-Domain Tables

构建了一个新的数据集 LogicNLG，它需要在标准的文本生成方法的基础上使用额外的逻辑。例如，需要使用一些比较和计数操作来纳入「1 more gold medal」或「most gold medals」等部分，这些部分会使得生成的文本更加自然和生动。

Structural Information Preserving for Graph-to-Text Generation

Knowledge Graph-Augmented Abstractive Summarization with Semantic-Driven Cloze Reward

提出利用根据某个文档构建的知识图谱，来改进文本生成过程

1. 使用 Roberta 对输入段落编码，接BiLSTM。
2. 使用 OpenIE 提取三元组，从输入文档中得到KG，将关系词变换为与DualEnc 相似的显示节点，使用步骤1中的BiLSTM的隐藏状态对节点的状态进行初始化。使用GAT更新节点状态。
3. 将前两步获得的向量作为条件，生成文本。
   
   最后结果：比其他模型要好，但是没有 bart 效果好