两级、多路径生成

大规模自然语言生成需要集成大量知识：词汇知识、语法知识和概念知识。鲁棒的生成器必须能够在部分知识缺失时仍能良好运行。它还必须对不完整或不准确的输入具有鲁棒性。为了解决这些问题，我们构建了一个混合生成器，其中符号知识的缺口由统计方法填补。我们描述了算法并展示了实验结果。我们还讨论了混合生成模型如何用于简化当前生成器并增强其可移植性，即使在原则上可以获得完美知识的情况下也是如此。