PaperRobot: 增量草稿生成科学思想

PaperRobot: 增量草稿生成科学思想 [样本输出]

被第57届计算语言学协会年会（ACL 2019）接受

PubMed论文阅读数据集该数据集从PubMed中收集了14,857个实体，133个关系和相应的标记文本。它包含875,698个训练对，109,462个开发对和109,462个测试对。
PubMed术语、摘要、结论、标题数据集该数据集从PubMed中收集了三种类型的配对：标题到摘要（训练：22,811/开发：2095/测试：2095）、摘要到结论和未来工作（训练：22,811/开发：2095/测试：2095）、结论和未来工作到标题（训练：15,902/开发：2095/测试：2095）。每对包含一对输入和输出以及相应的术语（来自原始KB和链接预测结果）。

快速开始

现有论文阅读

注意!! 由于数据集相当大，链接预测模型的训练和评估会非常慢。

预处理：

从PubMed论文阅读数据集下载并解压缩paper_reading.zip。将paper_reading文件夹放在现有论文阅读文件夹下。

训练

超参数可以如下调整：例如，如果你想将隐藏单元数更改为6，可以在train.py后添加--hidden 6

python train.py

要继续训练，可以使用以下命令并将之前的模型路径放在--model后

python train.py --cont --model models/GATA/best_dev_model.pth.tar

测试

将完成的模型路径放在--model后 test.py将为测试集提供排名分数。

python test.py --model models/GATA/best_dev_model.pth.tar

新论文写作

预处理：

从PubMed术语、摘要、结论、标题数据集下载并解压缩data_pubmed_writing.zip。将data文件夹放在新论文写作文件夹下。

训练

将数据类型放在--data_path之后。例如，如果你想训练一个摘要模型，将data/pubmed_abstract放在--data_path之后。将模型目录放在--model_dp之后

python train.py --data_path data/pubmed_abstract --model_dp abstract_model/

要继续训练，可以使用以下命令并将之前的模型路径放在--model后

python train.py --data_path data/pubmed_abstract --cont --model abstract_model/memory/best_dev_model.pth.tar

更多选项，请检查代码。

测试

将完成的模型路径放在--model后 test.py将为测试集提供评分。

python test.py --data_path data/pubmed_abstract --model abstract_model/memory/best_dev_model.pth.tar

预测一个实例

将完成的模型路径放在--model后 input.py将为定制输入提供预测。

python input.py --data_path data/pubmed_abstract --model abstract_model/memory/best_dev_model.pth.tar

引用

@inproceedings{wang-etal-2019-paperrobot,
    title = "{P}aper{R}obot: Incremental Draft Generation of Scientific Ideas",
    author = "Wang, Qingyun  and
      Huang, Lifu  and
      Jiang, Zhiying  and
      Knight, Kevin  and
      Ji, Heng  and
      Bansal, Mohit  and
      Luan, Yi",
    booktitle = "Proceedings of the 57th Conference of the Association for Computational Linguistics",
    month = jul,
    year = "2019",
    address = "Florence, Italy",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/P19-1191",
    pages = "1980--1991"
}