Table 3: 
Results on the WebNLG test set with seen categories.
ModelBLEUMETEORCHRF++#P
UPF-FORGe (Gardent et al., 2017) 40.88 40.00 – – 
Melbourne (Gardent et al., 2017) 54.52 41.00 70.72 – 
Adapt (Gardent et al., 2017) 60.59 44.00 76.01 – 
Marcheggiani and Perez Beltrachini (2018) 55.90 39.00 – 4.9 
Trisedya et al. (2018) 58.60 40.60 – – 
Castro Ferreira et al. (2019) 57.20 41.00 – – 
 
CGE 62.30±0.27 43.51±0.18 75.49±0.34 13.9 
CGE (Levi Graph) 63.10±0.13 44.11±0.09 76.33±0.10 12.8 
CGE-LW 62.85±0.07 43.75±0.21 75.73±0.31 11.2 
CGE-LW (Levi Graph) 63.69±0.10 44.47±0.12 76.66±0.10 10.4 
ModelBLEUMETEORCHRF++#P
UPF-FORGe (Gardent et al., 2017) 40.88 40.00 – – 
Melbourne (Gardent et al., 2017) 54.52 41.00 70.72 – 
Adapt (Gardent et al., 2017) 60.59 44.00 76.01 – 
Marcheggiani and Perez Beltrachini (2018) 55.90 39.00 – 4.9 
Trisedya et al. (2018) 58.60 40.60 – – 
Castro Ferreira et al. (2019) 57.20 41.00 – – 
 
CGE 62.30±0.27 43.51±0.18 75.49±0.34 13.9 
CGE (Levi Graph) 63.10±0.13 44.11±0.09 76.33±0.10 12.8 
CGE-LW 62.85±0.07 43.75±0.21 75.73±0.31 11.2 
CGE-LW (Levi Graph) 63.69±0.10 44.47±0.12 76.66±0.10 10.4 
View Large
Close Modal
This Feature Is Available To Subscribers Only

or Create an Account

Close Modal
Close Modal
This site uses cookies. By continuing to use our website, you are agreeing to our privacy policy. No content on this site may be used to train artificial intelligence systems without permission in writing from the MIT Press.
Accept