学习笔记(44)- 任务型多轮对话-NLG
可以说是多轮对话的最后一公里。
NLG 是为了跨越人类和机器之间的沟通鸿沟,将非语言格式的数据转换成人类可以理解的语言格式,如文章、报告等。
对话系统中的自然语言生成技术(NLG)
参考自https://zhuanlan.zhihu.com/p/49197552
对话系统按功能来划分的话,分为闲聊型、任务型、知识问答型和推荐型。在不同类型的聊天系统中,NLG也不尽相同。
1.1. 闲聊型对话中的NLG就是根据上下文进行意图识别、情感分析等,然后生成开放性回复;
1.2.任务型对话中的NLG就是在NLU(领域分类和意图识别、槽填充)、DST、DPL的基础上,根据学习到的策略来生成对话回复,一般回复包括澄清需求、引导用户、询问、确认、对话结束语等。如果不太明白每个阶段的具体流程,可以看看我之前发的文章“任务型对话系统公式建模&&实例说明”。
1.3.知识问答型对话中的NLG就是根据问句类型识别与分类、信息检索或文本匹配而生成用户需要的知识(知识、实体、片段等),这类回复相比单纯的信息检索一般用户体验会更好,因为一般信息检索还需要用户根据搜索结果自己找所需信息。
1.4.推荐型对话系统中的NLG就是根据用户的爱好来进行兴趣匹配以及候选推荐内容排序,然后生成给用户推荐的内容。
数据集
数据集欠缺,基准欠缺,这是制约NLG发展的一个重要因素。
评价指标
- BLEU评估法(机器翻译)
- ROUGE评估法(自动摘要)、Rouge-N、Rouge-L、Rouge-W、Rouge-S
- METEOR评估法(机器翻译、自动文摘)
- CIDEr评价方法(图像)
框架/平台
论文
参考
准研,nlp 有哪些坑? - SmoothNLP的回答 - 知乎
https://www.zhihu.com/question/320804186/answer/699035008
一文看懂自然语言生成 - NLG(6个实现步骤+3个典型应用) - 赵强的文章 - 知乎
https://zhuanlan.zhihu.com/p/76173450
NLG在自然语言处理领域中是否还有需要? - zibuyu9的回答 - 知乎
https://www.zhihu.com/question/52908831/answer/132605091
NLG在自然语言处理领域中是否还有需要? - 阿里云云栖号的回答 - 知乎
https://www.zhihu.com/question/52908831/answer/647758962
总结|对话系统中的自然语言生成技术(NLG) - cstghitpku的文章 - 知乎
https://zhuanlan.zhihu.com/p/49197552
阿里-搜索团队智能内容生成实践 - 清凇的文章 - 知乎
https://zhuanlan.zhihu.com/p/33956907
“重磅!” 常见的NLG评估方法大整理 !! - ShuYini的文章 - 知乎
https://zhuanlan.zhihu.com/p/100942429
本文仅供学习使用,侵删