Core Concepts
본 논문은 효과적인 무감독 제약 텍스트 생성을 위해 교란 마스킹 기술을 활용하여 편집 위치와 편집 동작을 선택하는 PMCTG 프레임워크를 제안한다.
Abstract
본 논문은 무감독 제약 텍스트 생성 문제를 다룬다. 무감독 제약 텍스트 생성은 감독 데이터 없이 주어진 제약 조건을 만족하는 텍스트를 생성하는 과제이다.
현재 최신 방법들은 무작위 편집 위치와 동작 선택을 사용하여 불필요한 검색 단계를 초래한다. 이를 개선하기 위해 본 논문은 PMCTG 프레임워크를 제안한다. PMCTG는 교란 마스킹 기술을 활용하여 가장 부적절한 토큰을 효과적으로 찾아내고, 다양한 측면의 점수 함수를 도입하여 편집 동작을 선택한다.
PMCTG는 감독 데이터를 필요로 하지 않으므로 다양한 생성 과제에 적용될 수 있다. 실험 결과, PMCTG는 키워드-문장 생성과 문장 바꾸기 과제에서 새로운 최신 성능을 달성했다.
Stats
제안된 PMCTG 모델은 기존 방법들에 비해 더 적은 검색 단계로 최적의 해를 찾을 수 있다.
PMCTG-LSTM 모델은 PMCTG-GPT2 모델보다 키워드-문장 생성 과제에서 더 나은 성능을 보였다.
PMCTG-GPT2 모델은 문장 바꾸기 과제에서 더 나은 성능을 보였다.
Quotes
"PMCTG는 감독 데이터를 필요로 하지 않으므로 다양한 생성 과제에 적용될 수 있다."
"실험 결과, PMCTG는 키워드-문장 생성과 문장 바꾸기 과제에서 새로운 최신 성능을 달성했다."