自动生成文章

Question

这个问题是学习和理解某一特定技术是否存在。以下是情况。

我们将提供200个英语单词。软件可以增加40字，相当于200字的20%。现在，使用这些，软件应该写对话框，有意义的对话，没有语法错误。

为此，我研究了Spintax和Article Spinning。但你知道他们做什么，拿现有的文章重写它。但这不是最好的方法(是吗？)如果是的话请告诉我)。那么，是否有任何技术能够做到这一点呢？可能是谷歌使用的语义理论？有证明的人工智能方法吗？

请帮帮忙。

Answer 1

首先，警告一下:这是自然语言生成(NLG)研究的前沿，最先进的研究出版物几乎不足以取代人类教师。对于英语作为第二语言(ESL)的学生来说，这个问题尤其复杂，因为他们倾向于用母语思考，然后才能将知识翻译成英语。如果我们忽视这一可怕的前奏，正常的做法是：

非联络组由三个主要组成部分组成：

1. 内容规划
2. 句子规划
3. 表面实现

内容计划：这个阶段将高层通信目标分解为结构化的原子目标。这些原子目标很小，只需一步交流就可以达到(例如，在一个子句中)。

句子规划：这里，实际的lexemes (即具有明确语义的单词或词部分)被选择作为原子交流目标的一部分。词汇通过谓词-自变量结构连接起来。句子规划阶段也决定句子的边界。学生是否应该写：“我去了，但她已经走了。”或者“我去看她了她已经走了”。注意不同的句子边界和不同的词汇，但这两个答案都表示相同的意思。)

曲面实现：句子规划步骤中的半形结构通过结合function words (行列式、助词等)而转化成适当的形式。还有拐弯。

在您的特定场景中，大多数单词都已经提供了，因此选择词汇比较简单。连接词的谓词-自变量结构需要使用一个合适的概率学习模型(如hidden Markov models)来学习。语法规则与statistical language models的结合，才能保证语法结构的最终正确。

在高层次上，请注意内容规划是语言不可知论的(但很可能是与文化有关的)，而最后两个阶段是依赖于语言的。

最后，我想补充一点，选择这40个额外的词是我所掩盖的，但它与这一进程的其他部分同样重要。在我看来，这些额外的词应该根据它们与200个给定单词的合成关系来选择。

关于进一步的细节，以下两篇论文提供了一个良好的开端(包括流程体系结构、示例等)：

1. Natural Language Generation in Dialog Systems
2. Stochastic Language Generation for Spoken Dialogue Systems

为了更好地理解合成关系的概念，我发现Sahlgren's article on distributional hypothesis非常有用。他的工作中的分布方法也可以用来学习我前面提到的谓词-参数结构。

最后，添加一些可用的工具:看看this ACL list of NLG systems。我没有使用过它们，但是我听说过关于SPUD和OpenCCG的一些好东西。