学习笔记（20）- Google LaserTagger

参考文章：推断速度达seq2seq模型的100倍，谷歌开源文本生成新方法LaserTagger

论文地址：https://research.google/pubs/pub48542/
开源地址：http://lasertagger.page.link/code

@inproceedings{48542,
title = {Encode, Tag, Realize: High-Precision Text Editing},
author = {Eric Malmi and Sebastian Krause and Sascha Rothe and Daniil Mirylenka and Aliaksei Severyn},
year = {2019},
URL = {https://arxiv.org/pdf/1909.01187.pdf},
booktitle = {Proc. EMNLP-IJCNLP 2019}
}

解决的问题：

1. 生成的输出不受输入文本支持
2. 需要大量数据才能提高速度
3. 模型通常逐词生成输出，推断速度较慢

实验

模型在 WikiSplit 数据集上的结果，模型执行的任务是将一个长句子改述为两个连贯的短句。