表データを入力しその内容に関する文章を生成する table-to-text の論文。table-to-text ではアノテーションされたデータが少ないことが問題になっている。そこで本論文ではリソースが少ないことを考慮した table-to-text generation を行った。

(1) 文書の生成を2つのモデルで行った。表からキーポインを抽出する key fact prediction と、抽出したキーポイントと表から得たデータから文章を生成する surface realization に分割した。key fact prediction では表の項目から学習を行うため十分にアノテーションがされていないデータセットでも学習が可能である。 (2) 文章生成の訓練データを表の項目とその内容から疑似的に生成する pseudo parallel data construction を提案した。これによりラベルなしで surface realization を行うことができる。