Generiranje prirodnog jezika — od podataka do teksta
Generiranje prirodnog jezika (NLG) je grana obrade prirodnog jezika koja automatski proizvodi tečan, čitljiv tekst iz strukturiranih podataka, grafova znanja ili semantičkih reprezentacija. Formaliziran u klasičnom cjevovodu (pipeline) od strane Reiter i Dale (2000.) te sveobuhvatno pregledan od strane Gatt i Krahmer (2018.), NLG pokreće aplikacije u rasponu od automatiziranog financijskog izvješćivanja i vremenskih biltena do pričanja podataka i konverzacijskih agenata.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Natural Language Generation (NLG). ScholarGate. https://scholargate.app/hr/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.
- Automatsko vrednovanje tekstaRudarenje teksta↔ compare
- Prilagođavanje GPT modela (GPT Fine-Tuning)Duboko učenje↔ compare
- Strojno prevođenjeRudarenje teksta↔ compare
- Retrieval-Augmented Generation (RAG)Rudarenje teksta↔ compare
- Model "sekvenca-u-sekvencu"Duboko učenje↔ compare
- Sažimanje tekstaRudarenje teksta↔ compare
- Transformer (NLP)Duboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →