論文の概要: Harnessing Knowledge and Reasoning for Human-Like Natural Language
Generation: A Brief Review
- arxiv url: http://arxiv.org/abs/2212.03747v1
- Date: Wed, 7 Dec 2022 16:18:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 15:59:01.989759
- Title: Harnessing Knowledge and Reasoning for Human-Like Natural Language
Generation: A Brief Review
- Title（参考訳）: ヒューマンライクな自然言語生成のための知識の調和と推論 : 簡単なレビュー
- Authors: Jiangjie Chen and Yanghua Xiao
- Abstract要約: 我々は,言語生成を通して人間のような推論を伝達するために,NLGが知識によってガイドされることの重要性を探求する。
知的NLGシステムのための10の目標を提案し,知識と推論によって導かれるNLG技術の成果を概観した。
- 参考スコア（独自算出の注目度）: 18.353155826882336
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid development and application of natural language generation (NLG)
techniques has revolutionized the field of automatic text production. However,
these techniques are still limited in their ability to produce human-like text
that is truly reasonable and informative. In this paper, we explore the
importance of NLG being guided by knowledge, in order to convey human-like
reasoning through language generation. We propose ten goals for intelligent NLG
systems to pursue, and briefly review the achievement of NLG techniques guided
by knowledge and reasoning. We also conclude by envisioning future directions
and challenges in the pursuit of these goals.
- Abstract（参考訳）: 自然言語生成技術(NLG)の急速な発展と応用は、自動テキスト生成の分野に革命をもたらした。
しかし、これらの技術は、真に合理的で有意義な人間的なテキストを作り出す能力にはまだ限界がある。
本稿では,言語生成を通して人間的な推論を伝達するために,NLGが知識によってガイドされることの重要性を検討する。
知的NLGシステムのための10の目標を提案し,知識と推論によって導かれるNLG技術の成果を概観した。
また,これらの目標を追求する上で,今後の方向性と課題を想定して結論づける。
関連論文リスト
- Beyond Generative Artificial Intelligence: Roadmap for Natural Language Generation [0.0]
本稿では,自然言語処理分野(NLP)とそのサブフィールド自然言語生成分野(NLG)に焦点を当てる。
LLMファミリーの中では、人気のあるGPT-4、Bard、より具体的にはChatGPTのようなツールがある。
このシナリオは、NLGの次のステップと、新たな課題に対処するために、フィールドをどのように適応し、進化させるかについて、新たな疑問を提起する。
論文 参考訳（メタデータ） (2024-07-15T09:07:07Z) - Language Models: A Guide for the Perplexed [51.88841610098437]
このチュートリアルは、言語モデルを学ぶ人と、興味を持ち、もっと学びたいと思う人とのギャップを狭めることを目的としています。
実験を通して学ぶことができる質問に焦点を当てた科学的視点を提供する。
言語モデルは、現在、その開発に繋がる研究の文脈に置かれています。
論文 参考訳（メタデータ） (2023-11-29T01:19:02Z) - Situated Natural Language Explanations [54.083715161895036]
自然言語の説明(NLE)は、人間に意思決定を説明する最もアクセスしやすいツールである。
既存のNLE研究の視点は、観客を考慮に入れない。
Situated NLEは視点を提供し、説明の生成と評価に関するさらなる研究を促進する。
論文 参考訳（メタデータ） (2023-08-27T14:14:28Z) - A Survey of Knowledge Enhanced Pre-trained Language Models [78.56931125512295]
我々は、知識強化事前学習言語モデル(KE-PLMs)の包括的なレビューを行う。
NLUでは、言語知識、テキスト知識、知識グラフ(KG)、ルール知識の4つのカテゴリに分類する。
NLGのKE-PLMは、KGベースと検索ベースに分類される。
論文 参考訳（メタデータ） (2022-11-11T04:29:02Z) - Visualize Before You Write: Imagination-Guided Open-Ended Text
Generation [68.96699389728964]
我々は、機械生成画像を用いて、オープンエンドテキスト生成における言語モデルをガイドするiNLGを提案する。
オープンエンドテキスト生成タスクにおけるiNLGの有効性について実験と解析を行った。
論文 参考訳（メタデータ） (2022-10-07T18:01:09Z) - A Comprehensive Survey of Natural Language Generation Advances from the
Perspective of Digital Deception [1.557442325082254]
自然言語生成(NLG)の分野について概観する。
NLGを構成する中心概念の高レベル分類について概説する。
我々は、既存のテキスト生成システムでしばしば現れるバイアスのリスクを含む、NLGの幅広い課題について論じる。
論文 参考訳（メタデータ） (2022-08-11T11:27:38Z) - Recent Advances in Neural Text Generation: A Task-Agnostic Survey [20.932460734129585]
本稿では,ニューラルテキスト生成の最近の進歩を包括的かつタスク依存的に調査する。
これらの進歩は、データ構築、ニューラルネットワーク、トレーニングと推論戦略、評価指標の4つの重要な領域に分類します。
本稿では,ニューラルネットワークの利用と背景知識の導入を含む,ニューラルテキスト生成の進歩に向けた今後の方向性について検討する。
論文 参考訳（メタデータ） (2022-03-06T20:47:49Z) - A Survey of Natural Language Generation [30.134226859027642]
本稿では,過去20年間の自然言語生成(NLG)研究を包括的に概観する。
データ・ツー・テキスト・ジェネレーションとテキスト・ツー・テキスト・テキスト・ジェネレーション・ディープ・ラーニングの手法、およびNLG技術の新たな応用に焦点を当てている。
論文 参考訳（メタデータ） (2021-12-22T09:08:00Z) - A Survey of Knowledge-Enhanced Text Generation [81.24633231919137]
テキスト生成の目標は、機械を人間の言語で表現できるようにすることである。
入力テキストを出力テキストにマッピングすることを学ぶことで、目的を達成するために、様々なニューラルエンコーダデコーダモデルが提案されている。
この問題に対処するために、研究者は入力テキスト以外の様々な種類の知識を生成モデルに組み込むことを検討してきた。
論文 参考訳（メタデータ） (2020-10-09T06:46:46Z) - Evaluation of Text Generation: A Survey [107.62760642328455]
本稿は,ここ数年で開発された自然言語生成システムの評価手法について調査する。
我々は,NLG評価手法を,(1)人間中心評価指標,(2)訓練を必要としない自動評価指標,(3)機械学習指標の3つのカテゴリに分類した。
論文 参考訳（メタデータ） (2020-06-26T04:52:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。