自然语言生成

✍ dations ◷ 2025-04-25 04:50:28 #自然语言生成
自然语言生成(NLG)是自然语言处理的一部分,从知识库或逻辑形式(英语:Logic Form (Linguistics))等等机器表述系统去生成自然语言。这种形式表述当作心理表述的模型时,心理语言学家会选用语言产出(英语:language production)这个术语。自然语言生成系统可以说是一种将资料转换成自然语言表述的翻译器。不过产生最终语言的方法不同于编译程式,因为自然语言多样的表达。NLG出现已久,但是商业NLG技术直到最近才变得普及。自然语言生成可以视为自然语言理解的反向: 自然语言理解系统须要厘清输入句的意涵,从而产生机器表述语言;自然语言生成系统须要决定如何把概念转化成语言。一个简单的例子是套用信函的生成系统。这种系统通常没有运用文法的知识,但是可以生成信函给消费者,例如告诉消费者信用卡的额度已达。换言之,简单的系统运用版型,跟Word文件的邮件合并程式没什么差别,但是更复杂的NLG系统会灵活地产生文本。正如自然语言处理的其它领域,自然语言生成可以使用明确的语言模型(例如文法)或者运用根据真人所写的文本分析而成的统计模型。“苏格兰花粉预报系统”就是一个基于版型的简单自然语言生成系统。该系统利用苏格兰几个区域花粉预报的六个输入数目,生成简短的花粉等级文本作为输出。例如使用2005年7月1日的历史资料,该软件的输出:星期五花粉等级已从昨天的中级到今天的高级,全国大部分地区的数值在6到7。不过北部是中级,数值为4。对比实际的预报(气象员手拟)如下:苏格兰大部分地区花粉量还是很高,为6级,东南部更是7级。只有北方岛屿及苏格兰东北角情况舒缓,花粉量中等。生成文本的过程可以简单到取用已准备好的章句,再用连结的文字组合起来。在简单的领域如占星机器或个人化商业信件,成果可能令人满意。不过复杂的自然语言生成系统必须经过规划以及合并资讯的步骤,从而生成看似自然并且避免重复的文本。自然语言生成典型的步骤,例如戴尔与瑞特所提出的如下:决定内容(英语:Content determination):决定在文本里置入哪些资讯。用上一节花粉预报软件为例,是否要明确提到东南部花粉级数为7。架构文件(英语:Document structuring):所传达资讯的整体组织。例如决定先描述高花粉量地区,再提及低花粉量地区。聚集语句(英语:Aggregation (linguistics)):合并类似的句子,让文本更可读、更自然。例如合并下两个句子“星期五花粉等级已从昨天的中级到今天的高级”和“全国大部分地区的花粉等级在6到7”成为“星期五花粉等级已从昨天的中级到今天的高级,全国大部分地区的数值在6到7。”选择字词(英语:Lexical choice):选用表达概念的文字。例如决定要用“中等”还是“中级”。指涉语生成(英语:Referring expression generation):产生能辨认物体或地区的指涉语(英语:referring expression (RE))。例如用“北方岛屿和苏格兰东北角”指涉苏格兰的某个地区。这个任务也包括决定代名词以及其它的照应语(英语:Anaphora (linguistics))。实现文本(英语:realization (linguistics)):根据语法学、构词学、正写法的规则产生实际的文本。大众媒体向来以报导会说笑话的NLG系统为重点(参见“计算幽默(英语:computational humor)”),不过从商业的角度,最成功的NLG应用是从数据库或资料集产生文字摘要的“资料转文本”系统,这些系统通常除了文字生成外,也进行资料分析,特别是几个已经建成的从气象资料产生气象报告文的系统。此类系统最早是加拿大的FoG,于1990年代开始制作英、法语的气象报告,其成功引领了其它研究和商业系统。近年的一个研究显示,使用者有时候偏好电脑产生的气象报告,因为使用的术语比较一致。另一个研究显示统计的技巧可以用来生成高品质的气象报告。1990年代自然语言生成开始用于财金和商业摘要。例如AC尼尔森研发的SPOTLIGHT系统,分析大量零售资料然后自动产生可读的英文。更近的NLG也用于摘要电子医疗记录,已有商业应用问世,研究人员已显示NLG摘要的医疗资料可以有效辅助医疗专业人员做决定。内容生成系统可以辅助真人作者,让写作过程更有效率。例如利用搜索引擎应用界面,基于网络探勘(英语:web mining)建立的内容生成工具,模拟作者根据各种搜寻结果形成内容,有如剪贴的写作场景。相关度的验证,对于过滤不相关的搜寻结果至为重要,方法基于匹配问题与可能答案的语法树。另一种方法利用真人写的文本建立高层次结构的版型,然后自动写成维基百科新的条目。自然语言生成的研究人员需要测试他们的系统、模组、算法,一如其它的科学领域。这叫做“评量”。评量NLG系统的基本技巧有三种:“任务型评量”虽然较接近NLG系统助人的终极目标,但是费时耗财,而且可能实行困难(尤其涉及医生之类的专家对象),因此(一如自然语言处理的其它领域)“任务型评量”是例外而非主流。

相关

  • 金属工金属加工简称金工,是一种把金属物料加工生成独立零件、组件、或大型结构的工艺技术。该术语涵盖从大型船舶和桥梁到精密发动机部件和精美首饰的广泛工作。 因此,它包括相应的
  • 纤毛虫门纤毛虫是纤毛虫门(学名:Ciliophora)生物的通称,是一类较复杂的原生动物,主要特点是以纤毛作为运动器,细胞核一般分化出大核(营养)、小核(生殖)、摄食胞器等,无性生殖为横二分裂,有性生殖
  • 肝sub木/sub在中医传统脏象学说中,肝属五行中的木,其主要功能为“疏泄”与“藏血”。其中疏泄包含了精神情绪、消化,以及与气、血、水的流通;而藏血则包括了血液的储藏及调节。除此之外,肝与
  • 单一制单一制是一种国家结构形式,指中央政府拥有所有政治权力,与复合制相对,现在世界上大多数国家都采用单一制。大多数实行单一制的国家都会成立地区行政区域及地方政府,来协助管理地
  • 终止码在遗传密码中,终止密码子(英语:Stop codon),或称终止子,是信使RNA上的一个核苷酸三联体序列,代表翻译的终止。蛋白质是由特定氨基酸生成的多肽序列折叠而成。翻译发生时,信使RNA中的
  • 菲力普·艾贝尔森菲力普·艾贝尔森(英语:Philip Abelson,1913年4月27日-2004年1月8日),美国物理学家。在华盛顿州立大学主修物理与化学,后于柏克莱加州大学获得核物理博士。他撰写了世界上第一篇如
  • 奥林匹亚音乐厅奥林匹亚音乐厅(Olympia)是法国巴黎的一个音乐厅,位于巴黎第九区嘉布遣大道28号。奥林匹亚音乐厅成立于1888年,由红磨坊的创办人约瑟夫·欧勒建立,是巴黎最古老的音乐厅,也是世界
  • 茎环茎环(英语:Stem-loop,或译主干-循环)指一种分子内碱基配对方式,与因此形成的结构,可发生于单股DNA,但在RNA分子中较为常见。当形成的循环较小时,也称为发夹(hairpin)或发夹环。此种结
  • 生物病毒一个位于宿主细胞之外的独立、功能完全的病毒颗粒一些病毒拥有的包裹病毒体的脂肪泡一段DNA或RNA。如果把核苷酸比作字的话,那么基因就是由核苷酸写成的句子。基因会指导病毒
  • 磁道炮磁道炮(英语:railgun)是一种与单极马达原理相似的电磁炮发射装置。磁道炮以电流产生的劳仑兹力加速载物,令其沿平行的导轨移动,并进入下一个轨道继续加速。磁道炮的动力来源与其