Process / pipeline
자연어 생성 — 데이터-텍스트 변환
자연어 생성(Natural Language Generation, NLG)은 구조화된 데이터, 지식 그래프 또는 의미 표현으로부터 유창하고 사람이 읽을 수 있는 텍스트를 자동으로 생성하는 자연어 처리의 한 분야입니다. Reiter와 Dale (2000)에 의해 고전적인 파이프라인으로 형식화되었고 Gatt과 Krahmer (2018)에 의해 포괄적으로 검토된 NLG는 자동화된 금융 보고, 일기 예보부터 데이터 스토리텔링, 대화형 에이전트에 이르기까지 다양한 애플리케이션에 동력을 제공합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 1). Natural Language Generation (NLG). ScholarGate. https://scholargate.app/ko/text-mining/natural-language-generation
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 자동 텍스트 평가텍스트 마이닝↔ 비교
- GPT 파인튜닝딥러닝↔ 비교
- 기계 번역텍스트 마이닝↔ 비교
- 검색 증강 생성 (RAG)텍스트 마이닝↔ 비교
- 순차열 대 순차열 모델딥러닝↔ 비교
- 텍스트 요약텍스트 마이닝↔ 비교
- 트랜스포머 (자연어 처리)딥러닝↔ 비교