Генериране на естествен език — от данни към текст
Генерирането на естествен език (NLG) е дял от обработката на естествен език, който автоматично създава плавен, разбираем за човека текст от структурирани данни, графове на знанието или семантични представяния. Формализирано в класическия конвейер от Reiter и Dale (2000) и изчерпателно прегледано от Gatt и Krahmer (2018), NLG захранва приложения, вариращи от автоматизирано финансово отчитане и метеорологични бюлетини до разказване на истории от данни и разговорни агенти.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Gatt, A. & Krahmer, E. (2018). Survey of the State of the Art in Natural Language Generation: Core Tasks, Applications and Evaluation. Journal of Artificial Intelligence Research, 61, 65-170. link ↗
- Reiter, E. & Dale, R. (2000). Building Natural Language Generation Systems. Cambridge University Press. ISBN: 9780521620369
Как да цитирате тази страница
ScholarGate. (2026, June 1). Natural Language Generation (NLG). ScholarGate. https://scholargate.app/bg/text-mining/natural-language-generation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Автоматична оценка на текстИзвличане на текст↔ compare
- Фината настройка на GPT (GPT Fine-Tuning)Дълбоко обучение↔ compare
- Машинен преводИзвличане на текст↔ compare
- Генериране с разширение за извличане (Retrieval-Augmented Generation, RAG)Извличане на текст↔ compare
- Моделът последователност-към-последователностДълбоко обучение↔ compare
- Автоматично обобщаване на текстИзвличане на текст↔ compare
- Трансформър (обработка на естествен език)Дълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →