知识增强的自然语言生成研究综述

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。     

国外主要自然语言理解系统概况

所谓“自然语言理解”(Understandingof Natural Language)就是利用电子计算机来理解自然语言,使计算机懂得人的语言,让计算机在人的语言的指挥下,进行某些“智能”活动。因此,有的学者干脆把自然语言理解叫做“人机对话”。早在六十年代,国外就建立了一批自然语言理解系统。这些系统一般只考虑句子中的句法信息以及词本身的部分语义信息,可以执行语言自动处理的某些任务。例如,用英语回答问题,在一定专业范围内进行人机     

大语言模型架构下的智能写作系统设计与实现

大语言模型（Large Language Models,LLMs）是一种基于深度学习的自然语言处理（Natural Language Processing,NLP）模型,用于理解、生成和处理自然语言文本,逐渐被应用于不同领域。本文通过对LLMs的技术场景探索,利用LLMs对自然语言的语法、语义和上下文信息的理解与生成自然语言的能力,构建改进媒体传统机器写稿模式的智能写作系统。     

ACL-IJCNLP 2009 评述

1 概况 计算语言学学会(The Association for Computational Linguistics)旗下的ACL年会是国际上最有影响的计算语言学及自然语言处理学术会议,而IJCNLP则是亚洲自然语言处理联合会(Asian Federation of Natural Language Processing)的旗舰会议.     

基于目标语词汇组合合理性评价的译文选择模型

机器翻译使用计算机实现自然语言的翻译功能,是计算机技术在语言学领域的新兴应用和研究,其中,源语言词汇的译文选择直接决定机器翻译的质量,是人们关注的难题,基于目标语词汇组合合理性评价的模糊分类模型试图以语言学和模糊数学为理论基础,尝试解决歧义词的译文选择问题,将该模型用于英汉机器翻译系统的译文选择实验,具有良好的译文选择性能,它的优势还在于可以同时为全句范围内的所有歧义词选择译文,因此适用于机器翻译的大规模开发任务。     

基于实例的机器翻译方法及其优化策略探讨

机器翻译是应用计算机实现从一种自然语言文本到另一种自然语言文本的翻译,是自然语言处理研究领域的一个分支。本文就现行机器翻译面临的问题,讨论基于实例的机器翻译方法及其优化策略。     

机器翻译研究的现状与发展方向

1 机器翻译的沿革机器翻译(MT)的历史是曲折而饶趣的。计算机刚一发明,就有人想到用它来进行自然语言的翻译。1949年美国人Weaver的著名备忘录第一次点燃了人们对MT的热情。     

一种基于规则转换的机器翻译方法初探

机器翻译(MachineTranslation,简称MT)是21世纪科技领域的一个难题之一,而要实现机器翻译,对自然语言进行形式化是核心。机器翻译的突破依赖于语言学研究的突破。该文介绍一种汉语句子形式化的方法。涉及的内容包括Montague语法,范畴语法,内涵逻辑,汉语语法等。该文主要在理论上进行了探讨,并用例子进行详细说明该汉语句子形式化方法在英汉机器翻译中的应用。结果表明,该方法具有一定的有效性。     

两大类形式化方略

阐述机器翻译的两大类形式化方略。其中,第一大类形式化方略涉及:编程语言和英语(自然语言);第二大类形式化方略涉及:二进制数与十进制数、十进制数与汉字中文、中文和英文(可换)三类双语协同变换,属于形式化及其拓展研究领域。其结果是:凸显了第二大类形式化方略。其意义是:揭示了其理论依据,并为含语言学在内的学科知识系统工程提供了广义双语信息处理技术,有利于母语为非英语的计算机用户改善人机对话的语言环境。     

CDSA模型及其在关系数据库自然语言接口中的实现

本文通过对传统的自然语言处理方法的分析, 针对自然查询语言的结构, 提出了一种基于结构分析的语言模型—CDSA(Concept Dependence on Structure Analysis)模型, 并描述了作者实现的一个基于CDSA模型的关系数据库自然语言接口的实验软件NLQI（Natural Language Query Interface）     

编者的话

1991年11月20一22日在杭州召开了全国计算语言学第一届联会学术会议。会议由中国中文信息学会计算语言学专委会与自然语言处理专委会、中国人工智能学会自然语言理解学会、中国计算机学会人工智能与模式识别专委会自然语言理解学组和中文信息技术专委会计算语言学与机器翻译学组、北京语言学会计算语言学研究会以及杭州电子工业学院等七个单位共同发起。到会的有来自大陆和港台地区的大专院校、研究所和新技术产业等多个单位的名专家和代表, 会上宣读论文篇。     

自然语言网络答疑系统中倒排索引技术的研究

为了提高自然语言网络答疑系统(Natural Language Web Answer System,简称NLWAS)中问答对的匹配速度和精度,提出了基于倒排词的倒排索引设计方案,详细阐述了索引体系结构、数据结构、匹配策略、动态维护,并对时间复杂度进行了分析。实际应用结果表明,使用倒排索引后系统性能优化效果明显增强。     

话语系统现状与研究方向

一、引言 话语系统(Spoken Language System)主要由以下三部分组成:语音识别(Speech Recognition)、自然语言处理(Natural Language Processing)及人机接口技术(Human Interface Technology)。它的功能是:先进行语音识别,然后自动翻译,最后给用户以相应回答。 话语系统使得人们可以同计算机讲话,它是用最方便、最自然的语音方式来存取和处理信息。它是人机交互的一次     

一个基于中间语言的汉英机器翻译系统

一、引言随着生活的信息化、计算机的普及以及Inter-net网的迅速发展,人们每天要接触和处理的信息量越来越大。这些信息很大部分都以各种自然语言(如汉语、英语、德语等)为载体,如果能让计算机把其它语种的资料自动翻译成自己的母语,这将给人们带来极大的方便。因此机器翻译(MT)一直是信息处理领域中     

基于混合深度学习的多模态场景指令分类方法

为提高家庭服务机器人指令中目标对象预测的准确率,提出一种基于混合深度学习的多模态自然语言理处理(Natural Language Processing,NLP)指令分类方法.该方法从语言特征、视觉特征和关系特征多模态入手,采用两种深度学习方法分别以多模态特征进行编码.对于语言指令,采用多层双向长短期记忆(Bi-LSTM...     

计算机科学与机器翻译的相互影响

目前,计算机科学发展的一个明显趋势,是研究自然语言,这受着理论上和实用上的推动。在阐明自然语言的数学面貌方面,已经取得了巨大的进展。机器翻译则是专以自然语言的处理为已任的,两者不谋而合。本文从计算机科学的理论问题,信息处理技术,软件技术及机器辞典等具体方面,对计算机科学和机器翻译之间可能产生的相互影响进行了初步探讨,这对于两方面的工作者都可能是有益的。     

名词团块分裂移位的计算机处理研究

在自然语言的语句中,名词团块的分裂现象十分常见,且伴随有移位的出现,对计算机处理及机器翻译准确率的影响极大。HNC理论借鉴现代汉语语法学对名词性词组分裂移位的研究成果,采用以主辅变换为核心的处理方式对这类现象进行处理,最终形成相关的处理规则,使得计算机可通过这类规则自动识别可分裂移位的语句,提高机器翻译的准确率。从计算语言学研究处理的角度,详细介绍HNC理论主辅变换的研究成果,以及如何形成处理规则并供计算机使用,以期提高名词团块分裂的机器识别及处理的准确率。     

欢迎订阅《中文信息学报》

《中文信息学报》(Journal of Chinese Information Processing)是全国一级学会-社团法人中国中文信息学会和中国科学院软件研究所联合主办的学术性刊物,创刊于1986年10月,现为月刊。《中文信息学报》是我国计算机、计算技术类中文核心期刊。主要刊登中文信息处理基础理论与应用技术方面的高水平学术论文,内容涵盖计算语言学(包括语音与音位、词法、句法、语义、语用等各个层面上的计算),语言资源建设(包括计算词汇学、术语学、电子词典、语料库、知识本体等),机器翻译或机器辅助翻译,汉语和少数民族语言文字输入输出及其智能处理,中文语音识别及文语转换,信息检索,信息抽取与过滤,文本分类、中文搜索引擎,以自然语言为枢纽的多模态检索,与语言处理相关的数据挖掘、机器学习、知识获取、知识工程、人工智能研究,与语言计算相关的语言学研究等。     

机器翻译实用化研究

机器翻译是国际十大科技难题之一,由于自然语言是十分复杂和丰富的,用电子计算机不可能表达得淋漓尽致,因此,机器翻译与人工翻译总是会存在一定的差距。人粪对于自然语言的认识是没有止境的,机器翻译软件的研究和探索也是没有止境的。     

Call for Papers:NLPCC 2015

October 9-October 12,2015,Nanchang,China Submission Deadline:J une 7,2015The conference on Natural Language Processing and Chinese Computing(NLPCC)is the annual meeting of the CCF TCCI(Technical Committee of Chinese Information,China Computer Federation).NLPCC is a leading international conference specialized in the fields of Natural Language Processing(NLP)and Chinese Computing(CC).It serves as a main