Generating text from structured data

• Thesis title in Czech: Generování textu ze strukturovaných dat
• Thesis title in English: Generating text from structured data
• Key words: generování textu|strukturovaná data|zpracování přirozeného jazyka|neuronové sítě
• English key words: text generation|structured data|natural language processing|neural networks
• Academic year of topic announcement: 2020/2021
• Thesis type: Bachelor's thesis
• Thesis language: angličtina
• Department: Institute of Formal and Applied Linguistics (32-UFAL)
• Supervisor: Mgr. Rudolf Rosa, Ph.D.
• Author: hidden - assigned and confirmed by the Study Dept.
• Date of registration: 22.12.2020
• Date of assignment: 24.03.2021
• Confirmed by Study dept. on: 12.04.2021
• Date and time of defence: 02.07.2021 09:00
• Date of electronic submission: 27.05.2021
• Date of submission of printed version: 27.05.2021
• Date of proceeded defence: 02.07.2021
• Opponents: Ing. Zdeněk Kasner

Guidelines

Cílem práce je prozkoumat možnosti transformace strukturovaných tabulkových dat do přirozeného jazyka.

Úlohou je vytvoření modelu, jehož vstupem jsou strukturovaná data o sportovním zápase, a výstupem je textový popis zápasu v přirozeném jazyce, popisující například jednotlivé momenty zápasu a/nebo shrnující průběh celého zápasu.

Předpokládá se využití vhodných state-of-the-art metod založených na umělých neuronových sítích, nejspíše LSTM či GRU s mechanismem attention nebo Transformer.

References

CHEN, Zhiyu, et al. Few-shot nlg with pre-trained language model. ACL 2020.
https://www.aclweb.org/anthology/2020.acl-main.18.pdf

WISEMAN, Sam; SHIEBER, Stuart M.; RUSH, Alexander M. Challenges in data-to-document generation. EMNLP 2017.
https://www.aclweb.org/anthology/D17-1239.pdf

LEBRET, Rémi; GRANGIER, David; AULI, Michael. Neural text generation from structured data with application to the biography domain. arXiv preprint arXiv:1603.07771, 2016.
https://github.com/DavidGrangier/wikipedia-biography-dataset