众所周知自然言语生成技术在很多NLP范畴中都有所运用，并且这也是每个从事人工智能行业的工程师，所必需要了解的。那么在对话系统中的自然言语生成技术有哪些？
对话系统中的自然言语生成技术有哪些？
对话系统按功能来划分的话，分为闲谈型、义务型、知识问答型和引荐型。在不同类型的聊天系统中，NLG也不尽相反。
传统方法：基于模板的NLG、基于树的NLG。需求定义一堆模板和规则，然后映射到自然言语。
Plan-Based NLG (Walker et al., 2002)。把NLG拆分为三部分：Sentence Plan Generator（Stent et al., 2009）、Sentence Plan Reranker和Surface Realizer（Cuayahuitl et al., 2014），同时做NLG时运用了句法树。
对话系统中的自然言语生成技术有哪些？
Class-Based LM（Oh and Rudnicky, NAACL 2000）。这是一种基于Class的言语模型做NLG，需求确定一些Class，然后分别算每个Class的概率，最终取最大概率的Class。
Phrase-Based (Mairesse et al, 2010)。这种方法其实也运用了言语模型，优点算更高效、准确率也更高，缺陷是需求很多Semantic Alignment和Semantic Stack。
Corpus Based （Mairesse and Young 2014）。句子生成的过程为：Unordered Mandatory Stack Set-> Ordered Mandatory Stack Sets -> Full Stack Sequence -> Sentences。这种方法的优点是有效地减少了人的工作以及能够带来的错误，缺陷是需求预先定义一些特征集合。 |
