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。 |