Generowanie Języka Naturalnego — Od Danych do Tekstu
Generowanie Języka Naturalnego (NLG) to dziedzina przetwarzania języka naturalnego, która automatycznie tworzy płynny, czytelny dla człowieka tekst na podstawie danych strukturalnych, grafów wiedzy lub reprezentacji semantycznych. Sformalizowane w klasycznym potoku przez Reiter i Dale (2000) oraz kompleksowo omówione przez Gatt i Krahmer (2018), NLG zasila aplikacje od automatycznego raportowania finansowego i komunikatów pogodowych po narrację danych i agentów konwersacyjnych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 1). Natural Language Generation (NLG). ScholarGate. https://scholargate.app/pl/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.
- Automatyczna ewaluacja tekstuEksploracja tekstu↔ compare
- Dostrajanie GPTUczenie głębokie↔ compare
- Tłumaczenie maszynoweEksploracja tekstu↔ compare
- Retrieval-Augmented Generation (RAG) (Generowanie Wzbogacone o Wyszukiwanie)Eksploracja tekstu↔ compare
- Model sekwencyjny do sekwencyjnego (Seq2Seq)Uczenie głębokie↔ compare
- Streszczanie tekstuEksploracja tekstu↔ compare
- Transformer (NLP)Uczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →