多语种自然语言生成系统中的语言模型

介绍了在多语种自然语言生成系统中如何用统一的模型来表示各语种的语言知识 .本文将语言知识分为语义资源和语法资源两个部分 .前者通过 Schema和优化规则确定文本的内容 ;后者根据句子结构类、句法规则和词典确定文本的具体形式 .该模型以复杂特征集为语言知识的载体 。

多语种自然语言生成系统中的预映射句子规划器

自然语言生成是研究如何用计算机来生成自然语言文本的研究领域 ,经典结构是宏观规划、微观规划和表层生成的流水线结构 .分析了多语种自然语言生成系统 ACNL G中的微观规划器 ,提出了“基于语言资源预映射的句子优化器”,它不仅对句子进行优化 ,而且负责将语种无关的文章内容映射到具体语种的表达方式中 .其核心思想就是将处理过程同具体语种的语言资源相分离 ,但同时又以语言资源为导向 ,既继承了现有方法的优点 ,同时也解决了多语种条件下各语种之间细微差别的处理问题 ,使句子优化能够针对目标语种的特点进行优化操作 ,从而使优化效果有实质的提高 。

自然语言处理驱动的自适应考试系统设计与实现

传统人工组卷方式不仅耗时耗力,且试卷质量参差不齐,难以真正评估学习成效。现有基于题库的自动组卷系统虽然提高了效率,但容易被查题作弊,无法有效检验学习效果。为了解决这一难题,本文提出一种新颖的自动组卷与智能评测方法,无须依赖题库即可生成试卷。该方法融合自然语言处理技术和间隔重复记忆理论,通过分析教材内容并结合学生历史考试数据,自动生成具有适当难度的个性化试题,从而实现高效、防作弊且能真实评估学习成果的考试。相比人工组卷,该方法大幅提高了工作效率;与传统基于题库的自动组卷系统相比,则能有效遏制作弊行为,真正检验学习效果。该方法的提出可为教育评测领域带来全新的解决方案。

信息抽取系统中多语种自然语言接口的研究

简要介绍了针对特定领域的多语种信息抽取系统的基本模型,并针对该系统的查询模块的需要,提出了一种结合基于实例推理和多智能主体技术的多语种自然语言接口的实现方法。总结了本方法的适用环境。

自然语言合理句子的生成系统

基于语法规则的使用Chomsky上下文无关文法产生的句子虽合乎语法规则但并不一定合乎语义常理.文中提出一种可以产生合理的自然语言句子的产生系统{TI,N,BI,CI,S,FI,PI},其中,I是指定的自然语言.该系统建立在语义语言理论上,使用Chomsky短语文法.系统的关键技术是引入了语义单元技术、类型参量,类型参量的作用不仅体现在语义单元中而且还体现在句树、事物树和函数集中.语义单元和类型参量共同作用能有效的对产生的句子进行语义约束使得生成的句子合理.

自然语言生成系统的多视图体系结构

在Reiter的流水线体系结构基础上,LynneCahill、ChristyDoran等人建立了RAGS(ReferenceArchitectureforGenerationSystem),它的目的是为自然语言生成(NLG)系统定义一个参考体系结构,但它是一个半模型,未能完整地描述生成系统。文章在RAGS的基础上提出了自然语言生成系统体系结构多视图方法,从功能、系统、技术三个视图方向对NLG系统体系结构进行了较为完整的描述。

可移植的自然语言生成系统中知识库的设计

从可移植的角度对自然语言生成系统中任务域处理进行了研究,结合面向对象的知识库的基本理论,从知识表示、知识获取、知识推理、知识更新等方面提出了可移植的自然语言生成系统中知识库的设计方法,并通过实验结果证明该方法是可行的.

具有可移植性自然语言生成系统的实现

从系统可移植性的角度对自然语言生成系统的任务域处理模块、语言学处理模块、文本生成模块进行研究 ,提出了具有一定可移植性的自然语言生成系统的设计方法 ,并通过实验验证了方法的可行性 。

《天马二号》的自然语言接口生成系统

本文首先评述了自然语言接口的研究概况及知识系统自然语言接口生成的特殊要求,然后介绍了《天马二号》自然语言接口生成系统的设计思想,主要功能及实现技术。

基于特定任务域的自然语言生成系统实现方法

针对自然语言生成系统在任务域不同时需要对系统进行重新设计的问题,本文从可移植的角度,对自然语言生成系统中的任务域处理模块、语言学处理模块、文本生成模块进行了研究,提出了一种基于特定任务域具有可移植的自然语言生成系统的实现方法,并通过实验验证了该方法的可行性。

《天马》的自然语言接口生成子系统

本文给出了《天马》自然语言接口生成子系统的主要特色及算法要点.

任务型对话系统中的自然语言生成研究进展综述

任务型对话系统中的自然语言生成模块(ToDNLG)旨在将系统的对话动作转换为自然语言回复,其受到研究者的广泛关注。随着深度神经网络的发展和预训练语言模型的爆发,ToDNLG的研究已经获得了重大突破。然而,目前仍然缺乏对现有方法和最新趋势的全面调研。为了填补这个空白,该文全面调研了ToDNLG的最新进展和前沿领域,包括:(1)系统性回顾:回顾和总结了ToDNLG近10年的发展脉络和方法,包括非神经网络时代和基于深度学习的ToDNLG工作;(2)前沿与挑战:总结了复杂ToDNLG等一些新兴领域及其相应的挑战;(3)丰富的开源资源:该文在一个公共网站上收集、整理了相关的论文、基线代码和排行榜,供ToDNLG的研究人员直接了解最新进展,希望该文的调研工作能够促进ToDNLG领域的研究工作。

基于Schema和RST的自然语言生成混合规划方法

在自然语言生成系统的内容规划阶段，主要的手段是基于Schema的规划方法和修辞结构理论RST方法，Schema方法只适用于模式固定、细节略有变化的文本的生成，而RST方法则比较灵活，但是它的数据结构、规则库比较难建立。把这两种方法集成起来，并对Schema方法进行改造，使之能与RST有机地结合起来。在规划文本时首先用Schema方法规划全局的组织，然后用RST方法控制局部话语的连贯。这种结构可弥补采用单一方法的不足，具有双方的优点。

图形化PDDL语言编译系统的设计与应用

针对当前PDDL开发存在的编辑复杂和文本可读性差等问题,设计一个图形化PDDL在线编辑工具和相应的编译系统Graph Compiler。Graph Compiler结合领域专用编译技术和ChatGPT模型,实现从自然语言到图形化PDDL的自动化生成。系统支持编译不同版本的PDDL语言,提供相应版本的语法分析,将PDDL规划结果转换为ROS的话题消息,为机器人行动提供具体的动作指令。实验结果表明,Graph Compiler在多届IPC的多版本PDDL测试用例上,编译成功率达到100%;也可以应用在ROS项目中,通过具体的动作序列指导机器人行动。

系统功能语言学在自然语言处理中的应用

自系统功能语言学问世近半个多世纪以来,其中一个重要应用领域是自然语言处理。在这个漫长的过程中,学者们在这一课题进行了很多研究,因此,归纳在此应用过程中的发展轨迹显得尤为必要。本文从历时的角度,比较全面地介绍了系统功能语言学在机器翻译、语言切分、自然语言生成以及人机对话系统等方面的应用情况。通过此项研究有助于我们重新审视系统功能语言学,发现理论不足的地方,促进其自身的完善。

基于Prompt的两阶段澄清问题生成方法

在自然语言相关系统中,当用户输入存在歧义时,生成澄清问题询问用户有助于系统理解用户需求;基于Prompt的方法可以更好地挖掘预训练语言模型的潜在知识,但往往需要手动设计模板,限制其生成澄清问题的多样性。为解决这一问题,提出了TSCQG(two-stage clarification question generation)方法。首先,在动态Prompt模板生成阶段,利用歧义上下文和预训练语言模型生成动态的Prompt模板;然后在缺失信息生成阶段,将Prompt模板与外部知识相结合,充分利用预训练语言模型的生成能力生成相应的缺失信息。实验结果表明,在CLAQUA数据集的多轮对话情况中,BLEU值和ROUGE-L值分别达到了58.31和84.33,在ClariQ-FKw数据集上,BLEU值和ROUGE-L值分别达到了31.18和58.86。实验结果证明了TSCQG方法在澄清问题生成任务上的有效性。

基于提示学习的生成式医疗对话理解方法

任务型对话系统中的对话理解模块的目标是将用户输入的自然语言转换成结构化的形式,但在面向诊断的医疗对话系统中,现有方法存在如下问题:1)无法支持精准医疗所需的信息粒度,如给出某一症状的严重程度;2)难以同时满足医疗领域中多样化的槽值表示形式,如“症状”等可能含有非连续与嵌套实体的抽取型槽以及“否定”等分类型槽。文中提出了一种基于提示学习的多层次生成式医疗对话理解方法。针对问题1),用多层次槽结构替代当前对话理解任务中单层的槽结构,以表示更细粒度的信息,之后采用一种基于对话风格提示的生成式方法,利用提示字符模拟医患对话,从多轮交互中获得多层次信息。针对问题2),提出在推理过程中使用一种受限的解码策略,使模型能够以统一的方式处理意图识别与分类型和抽取型的槽填充任务,避免复杂的建模。此外,针对医疗领域缺少标注数据的问题,提出了一种两阶段训练策略,以充分利用大规模的无标注医疗对话语料来提升性能。针对含有多层次槽结构的医疗对话理解任务标注并发布了一个数据集,包含4722条对话,涉及17种意图与74种槽。实验结果表明,所提方法能够有效解析医疗对话中的各种复杂实体,相比已有的生成方法,其性能高出2.18%,而在小样本的场景下两阶段训练最高能提高模型5.23%的性能。

作战文书自动生成系统中内容规划的设计

作战文书拟制是 C3I系统中的重要工作 ,利用自然语言生成理论实现作战文书的自动生成可大大提高文书拟制的效率。通过对大量作战文书文本的仔细分析 ,构造出各类作战文书的 Schem a库 ,并以扩充转移网络图表示。遍历该网络图 ,利用 Schema上的修辞谓词从知识抽取相应的知识 ,便可构造出文书内容。

基于NLP的军用文书自动生成系统建模

军用文书自动生成是C4ISR系统中的关键技术之一 ,是提高指挥效能必不可少的重要环节。通过系统分析 ,文中阐明了C4ISR系统中军用文书生成系统的一个重要发展方向是基于自然语言处理的文书自动生成。根据军用文书生成过程中的信息流向 ,提出了该系统 3个模块的结构模型 :信息理解模块、文书信息库模块、文书生成模块 ,描述了这 3个模块的整体运作流程。

问答篇章生成系统中的用户模型和文本规划

在问答生成系统中 ,如果系统首先了解用户对问题所涉及的领域知识的掌握程度 ,系统则能根据这些知识组织文本 ,生成符合用户需要的内容 ,更好地进行人机交互。本文以花卉知识查询系统为基础 ,探索了用户知识对生成结果的影响 ,以及用户模型与文本规划之间的相互作用。实验结果表明 :用户知识模型不但影响生成的内容 ,而且影响生成内容的风格。在此系统中 ,我们采取两种基本生成策略 :Schema方法和Process方法 。