杜浩伟关于知识图谱到文本生成的论文Bi-Directional Multi-Granularity Generation Framework for Knowledge Graph-to-Text with Large Language Model被ACL 2024

知识图谱到文本生成（KG-to-text）任务旨在合成连贯且引人入胜的句子，准确传达从输入知识图谱中提取的复杂信息。现有方法通常基于所有知识图谱三元组一次性生成整个目标文本，这可能会在每个句子中包含不正确的三元组。为了解决这个问题，我们提出了双向多粒度生成框架。与一次性生成整个文本不同，我们基于对应的三元组构建句子级别的生成，并最终生成图谱级别的文本。此外，我们设计了一个反向关系抽取任务，以增强关系信息的正确性。我们的方法在基准数据集WebNLG上达到了新的最先进水平，进一步的分析证明了不同模块的效率。