提出了Dualenc（包含图结构的双编码模型），解决encoder-decoder结构不同的问题
作者：Chao Zhao, Marilyn Walker and Snigdha Chaturvedi

摘要

从图形结构的数据（例如，知识图谱）生成顺序自然语言描述是具有挑战性的
问题

  1. 部分原因是输入图形和输出文本之间存在结构差异。但是使用sequence-to-sequence 模型的效果不是很好。
  2. 虽然图神经网络可以更好地编码输入图，但是会拉大编码器和解码器之间的结构间隙，使得两者出现一些差异。
    解决对策
    缩小编码器和解码器之间差距，我们提出了Dualenc，它不仅可以包含图结构的双编码模型，还可以迎合输出文本的线性结构。和单编码比，双编码可以显着提高所生成文本的质量。

名词解释

​​sequence-to-sequence 模型：​​ knowledge graph 知识图谱
Graph neural networks（GNN）图神经网络