自然语言生成:修订间差异
→應用: 翻譯英文版財金、醫療的應用 |
→應用: 翻譯英文版內容生成部分 |
||
第42行: | 第42行: | ||
更近的NLG也用於摘要電子醫療記錄,已有商業應用問世<ref>{{cite conference |author=Harris MD |title=Building a Large-Scale Commercial NLG System for an EMR |booktitle=Proceedings of the Fifth International Natural Language Generation Conference |pages=157–60 |publisher= |year=2008 |location= |url=http://www.aclweb.org/anthology/W08-1120.pdf }}</ref>,研究人員已顯示NLG摘要的醫療資料可以有效輔助醫療專業人員做決定<ref name="portet">{{cite journal |vauthors=Portet F, Reiter E, Gatt A, Hunter J, Sripada S, Freer Y, Sykes C |title=Automatic Generation of Textual Summaries from Neonatal Intensive Care Data |journal=Artificial Intelligence |volume=173 |pages=789–816 |year=2009 |doi=10.1016/j.artint.2008.12.002 |issue=7–8}}</ref>。 |
更近的NLG也用於摘要電子醫療記錄,已有商業應用問世<ref>{{cite conference |author=Harris MD |title=Building a Large-Scale Commercial NLG System for an EMR |booktitle=Proceedings of the Fifth International Natural Language Generation Conference |pages=157–60 |publisher= |year=2008 |location= |url=http://www.aclweb.org/anthology/W08-1120.pdf }}</ref>,研究人員已顯示NLG摘要的醫療資料可以有效輔助醫療專業人員做決定<ref name="portet">{{cite journal |vauthors=Portet F, Reiter E, Gatt A, Hunter J, Sripada S, Freer Y, Sykes C |title=Automatic Generation of Textual Summaries from Neonatal Intensive Care Data |journal=Artificial Intelligence |volume=173 |pages=789–816 |year=2009 |doi=10.1016/j.artint.2008.12.002 |issue=7–8}}</ref>。 |
||
內容生成系統可以輔助真人作者,讓寫作過程更有效率。例如利用搜索引擎應用界面,基於{{link-en|網路探勘| web mining }}建立的內容生成工具<ref>{{cite journal |author=Galitsky, Boris |title=A Web Mining Tool for Assistance with Creative Writing |journal=Advances in Information Retrieval. Lecture Notes in Computer Science |volume=7814 |pages=828–831 |year=2013 |url= https://link.springer.com/chapter/10.1007%2F978-3-642-36973-5_95 |doi=10.1007/978-3-642-36973-5_95}}</ref>,模擬作者根據各種搜尋結果形成內容,有如剪貼的寫作場景。相關度的驗證,對於過濾不相關的搜尋結果至為重要,方法基於匹配問題與可能答案的語法樹<ref>{{cite journal |vauthors=Galitsky B, de la Rosa JL, Dobrocsi G |title=Inferring the semantic properties of sentences by mining syntactic parse trees |journal=Data & Knowledge Engineering |volume=81-82 |pages=21–45 |year=2012 | doi=10.1016/j.datak.2012.07.003}}</ref>。另一種方法利用真人寫的文本建立高層次結構的版型,然後自動寫成[[維基百科]]新的條目<ref>{{cite journal |author1=Sauper, Christina |author2=Barzilay, Regina |lastauthoramp=yes |title=Automatically Generating Wikipedia Articles: A Structure-Aware Approach |journal=Proceedings of ACL| year=2009}}</ref>。 |
|||
==評估== |
==評估== |
2017年12月10日 (日) 03:09的版本
自然語言生成(NLG)是自然語言處理的一部分,從知識庫或邏輯形式等等機器表述系統去生成自然語言。這種形式表述當作心理表述的模型時,心理語言學家會選用語言產出這個術語。
自然語言生成系統可以說是一種將資料轉換成自然語言表述的翻譯器。不過產生最終語言的方法不同於編譯程式,因為自然語言多樣的表達。NLG出現已久,但是商業NLG技術直到最近才變得普及。
自然語言生成可以視為自然語言理解的反向: 自然語言理解系統須要釐清輸入句的意涵,從而產生機器表述語言;自然語言生成系統須要決定如何把概念轉化成語言。
一個簡單的例子是套用信函的生成系統。這種系統通常沒有運用文法的知識,但是可以生成信函給消費者,例如告訴消費者信用卡的額度已達。換言之,簡單的系統運用版型,跟Word文件的郵件合併程式沒什麼差別,但是更複雜的NLG系統會靈活地產生文本。
正如自然語言處理的其它領域,自然語言生成可以使用明確的語言模型(例如文法)或者運用根據真人所寫的文本分析而成的統計模型[1]。
示例
「蘇格蘭花粉預報系統」[2]就是一個基於版型的簡單自然語言生成系統。該系統利用蘇格蘭幾個區域花粉預報的六個輸入數目,生成簡短的花粉等級文本作為輸出。
例如使用2005年7月1日的歷史資料,該軟體的輸出:
星期五花粉等級已從昨天的中級到今天的高級,全國大部分地區的數值在6到7。不過北部是中級,數值為4。
對比實際的預報(氣象員手擬)如下:
蘇格蘭大部分地區花粉量還是很高,為6級,東南部更是7級。只有北方島嶼及蘇格蘭東北角情況舒緩,花粉量中等。
步驟
生成文本的過程可以簡單到取用已準備好的章句,再用連結的文字組合起來。在簡單的領域如占星機器或個人化商業信件,成果可能令人滿意。不過複雜的自然語言生成系統必須經過規劃以及合併資訊的步驟,從而生成看似自然並且避免重複的文本。自然語言生成典型的步驟,例如戴爾與瑞特[3]所提出的如下:
決定內容:決定在文本裡置入哪些資訊。用上一節花粉預報軟體為例,是否要明確提到東南部花粉級數為7。
架構文件:所傳達資訊的整體組織。例如決定先描述高花粉量地區,再提及低花粉量地區。
聚集語句:合併類似的句子,讓文本更可讀、更自然。例如合併下兩個句子「星期五花粉等級已從昨天的中級到今天的高級」和「全國大部分地區的花粉等級在6到7」成為「星期五花粉等級已從昨天的中級到今天的高級,全國大部分地區的數值在6到7。」
選擇字詞:選用表達概念的文字。例如決定要用「中等」還是「中級」。
指涉語生成:產生能辨認物體或地區的指涉語。例如用「北方島嶼和蘇格蘭東北角」指涉蘇格蘭的某個地區。這個任務也包括決定代名詞以及其它的照應語。
應用
大眾媒體向來以報導會說笑話的NLG系統為重點(參見「計算幽默」),不過從商業的角度,最成功的NLG應用是從資料庫或資料集產生文字摘要的「資料轉文本」系統,這些系統通常除了文字生成外,也進行資料分析,特別是幾個已經建成的從氣象資料產生氣象報告文的系統。此類系統最早是加拿大的FoG[4],於1990年代開始製作英、法語的氣象報告,其成功引領了其它研究和商業系統。近年的一個研究顯示,使用者有時候偏好電腦產生的氣象報告,因為使用的術語比較一致[5]。另一個研究顯示統計的技巧可以用來生成高品質的氣象報告[6]。
1990年代自然語言生成開始用於財金和商業摘要。例如AC尼爾森研發的SPOTLIGHT系統,分析大量零售資料然後自動產生可讀的英文[7]。
更近的NLG也用於摘要電子醫療記錄,已有商業應用問世[8],研究人員已顯示NLG摘要的醫療資料可以有效輔助醫療專業人員做決定[9]。
內容生成系統可以輔助真人作者,讓寫作過程更有效率。例如利用搜索引擎應用界面,基於網路探勘建立的內容生成工具[10],模擬作者根據各種搜尋結果形成內容,有如剪貼的寫作場景。相關度的驗證,對於過濾不相關的搜尋結果至為重要,方法基於匹配問題與可能答案的語法樹[11]。另一種方法利用真人寫的文本建立高層次結構的版型,然後自動寫成維基百科新的條目[12]。
評估
參考文獻
- ^ Perera R, Nand P. Recent Advances in Natural Language Generation: A Survey and Classification of the Empirical Literature. Computing and Informatics. 2017, 36 (1): 1–32.
- ^ R Turner, S Sripada, E Reiter, I Davy (2006). Generating Spatio-Temporal Descriptions in Pollen Forecasts. Proceedings of EACL06
- ^ Dale, Robert; Reiter, Ehud. Building natural language generation systems. Cambridge, U.K.: Cambridge University Press. 2000. ISBN 0-521-02451-X.
- ^ Goldberg E, Driedger N, Kittredge R. Using Natural-Language Processing to Produce Weather Forecasts. IEEE Expert. 1994, 9 (2): 45–53. doi:10.1109/64.294135.
- ^ Reiter E, Sripada S, Hunter J, Yu J, Davy I. Choosing Words in Computer-Generated Weather Forecasts. Artificial Intelligence. 2005, 167: 137–69. doi:10.1016/j.artint.2005.06.006.
- ^ Belz A. Automatic Generation of Weather Forecast Texts Using Comprehensive Probabilistic Generation-Space Models. Natural Language Engineering. 2008, 14: 431–55. doi:10.1017/s1351324907004664.
- ^ Anand, Tej; Kahn, Gary. Making Sense of Gigabytes: A System for Knowledge-Based Market Analysis (PDF). Klahr, Philip; Scott, A. F. (编). Innovative applications of artificial intelligence 4: proceedings of the IAAI-92 Conference. Menlo Park, Calif: AAAI Press. 1992: 57–70. ISBN 0-262-69155-8.
- ^ Harris MD. Building a Large-Scale Commercial NLG System for an EMR (PDF). Proceedings of the Fifth International Natural Language Generation Conference: 157–60. 2008.
- ^ Portet F, Reiter E, Gatt A, Hunter J, Sripada S, Freer Y, Sykes C. Automatic Generation of Textual Summaries from Neonatal Intensive Care Data. Artificial Intelligence. 2009, 173 (7–8): 789–816. doi:10.1016/j.artint.2008.12.002.
- ^ Galitsky, Boris. A Web Mining Tool for Assistance with Creative Writing. Advances in Information Retrieval. Lecture Notes in Computer Science. 2013, 7814: 828–831. doi:10.1007/978-3-642-36973-5_95.
- ^ Galitsky B, de la Rosa JL, Dobrocsi G. Inferring the semantic properties of sentences by mining syntactic parse trees. Data & Knowledge Engineering. 2012, 81–82: 21–45. doi:10.1016/j.datak.2012.07.003.
- ^ Sauper, Christina & Barzilay, Regina. Automatically Generating Wikipedia Articles: A Structure-Aware Approach. Proceedings of ACL. 2009.
- Yuko Sakai (2017). Sentence Generation: Syntax Tree Diagram in English, Spanish, Chinese, Japanese, Ainu. ISBN 978-1545429006
其它文獻
- Dale, Robert; Reiter, Ehud. Building natural language generation systems. Cambridge, UK: Cambridge University Press. 2000. ISBN 0-521-02451-X.
- Evans, Roger; Piwek, Paul; Cahill, Lynne. What is NLG?. New York, US. 2002.
|conference=
被忽略 (帮助)