自然语言生成技术综述：以对话系统为重点——过去、现在与未来方向
计算与语言
2019-06-04 v1
摘要
自然语言处理和人工智能领域中最困难的问题之一是自动生成连贯且人类可理解的语言。教机器像人类一样交谈属于自然语言生成的广泛范畴。近年来，学术界和工业界研究人员在会议和期刊上发表的关于这一主题的研究文章数量空前增长。此外，还有几个与顶级NLP会议同期举办的研讨会专门针对这一问题。所有这些活动使得清晰定义该领域的现状并推理其未来方向变得困难。在这项工作中，我们概述了这一重要且蓬勃发展的领域，涵盖了传统方法、统计方法以及使用深度神经网络的方法。我们提供了构建开放域对话系统的全面综述，这是自然语言生成的一个重要应用。我们发现，构建对话系统的方法主要使用seq2seq或语言模型架构。值得注意的是，我们确定了构建更有效对话系统的三个重要进一步研究方向：1）纳入更大的上下文，包括对话上下文和世界知识；2）在NLG系统中添加角色或个性；3）克服影响系统生成响应质量的枯燥和通用响应。我们提供了如何通过使用模仿人类语言理解和生成能力的认知架构来解决这些开放问题的指导。
引用
@article{arxiv.1906.00500,
title = {A Survey of Natural Language Generation Techniques with a Focus on Dialogue Systems - Past, Present and Future Directions},
author = {Sashank Santhanam and Samira Shaikh},
journal= {arXiv preprint arXiv:1906.00500},
year = {2019}
}