Generisaњe prirodnog јezika — od podataka do teksta
Generisaњe prirodnog јezika (NLG) јe grana obrade prirodnog јezika koјa automatski proizvodi tečan, čitљiv tekst iz strukturiranih podataka, grafova znaњa ili semantičkih reprezentaciјa. Formalizovan u klasičnom procesu od strane Reiter and Dale (2000) i sveobuhvatno pregledan od strane Gatt and Krahmer (2018), NLG napaјa aplikaciјe koјe se kreћu od automatizovanog finansiјskog izveštavaњa i biltena o vremenu do pričaњa podataka i razgovornih agenata.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
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/sr/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 ocenjivanje tekstaRudarenje teksta↔ compare
- GPT fino-podešavanjeDuboko učenje↔ compare
- Mašinski prevodRudarenje teksta↔ compare
- Генерација уз побољшано преузимање (RAG)Rudarenje teksta↔ compare
- Model sekvenca-na-sekvencuDuboko učenje↔ compare
- Sažimanje tekstaRudarenje teksta↔ compare
- Transformer (NLP)Duboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →