知识增强的自然语言生成研究综述 |
| |
引用本文: | 梁明轩,王石,朱俊武,李阳,高翔,焦志翔.知识增强的自然语言生成研究综述[J].计算机科学,2023(S1):11-18. |
| |
作者姓名: | 梁明轩 王石 朱俊武 李阳 高翔 焦志翔 |
| |
作者单位: | 1. 扬州大学信息工程学院;2. 中国科学院计算技术研究所 |
| |
基金项目: | 北京市科技新星计划交叉学科合作课题(Z191100001119014);;国家重点研发计划重点专项(2017YFC1700300,2017YFB1002300);;国家自然科学基金(61702234)~~; |
| |
摘 要: | 自然语言生成(Natural Language Generation, NLG)任务是自然语言处理(Natural Languge Processing, NLP)任务中的一个子类,并且是一项具有挑战性的任务。随着深度学习在自然语言处理中的大量应用,其已经变成自然语言生成中处理各种任务的主要方法。自然语言生成任务中主要有问答任务、生成摘要任务、生成评论任务、机器翻译任务、生成式对话任务等。传统的生成模型依赖输入文本,基于有限的知识生成文本。为解决这个问题,引入了知识增强的方法。首先介绍了自然语言生成的研究背景和重要模型,然后针对自然语言处理归纳介绍了提高模型性能的方法,以及基于内部知识(如提取关键词增强生成、围绕主题词等)和外部知识(如借助外部知识图谱增强生成)集成到文本生成过程中的方法和架构。最后,通过分析生成任务面临的一些问题,讨论了未来的挑战和研究方向。
|
关 键 词: | 自然语言生成 知识增强 深度学习 知识图谱 关键词提取 主题词 |
|
|