Làm thế nào để trợ lý cá nhân thường tạo ra câu?

Đây là loại tiếp theo cho câu hỏi này về hướng nghiên cứu NLG trong lĩnh vực ngôn ngữ học.

Làm thế nào để các công cụ trợ lý cá nhân như Siri, Google Now hoặc Cortana thực hiện Tạo ngôn ngữ tự nhiên (NLG)? Cụ thể, phần tạo văn bản câu . Tôi không quan tâm đến phần chuyển văn bản thành giọng nói, chỉ là phần tạo văn bản.

Tôi không tìm kiếm chính xác làm thế nào mỗi người làm điều đó, vì thông tin đó có thể không có sẵn.

Tôi tự hỏi những gì thiết lập được yêu cầu để thực hiện tạo câu có chất lượng đó?

• Bạn cần loại dữ liệu nào trong cơ sở dữ liệu (ở mức cao)?
  • Có yêu cầu phải có một từ điển của mỗi từ có thể và ý nghĩa của nó, cùng với nhiều cuốn sách / chú thích được phân tích và phân tích thống kê được thêm vào từ đó không?
  • Có yêu cầu thực sự ghi âm mọi người nói chuyện theo cách tự nhiên (chẳng hạn như từ chương trình TV hoặc podcast), phiên âm chúng thành văn bản và sau đó thêm bằng cách nào đó vào "hệ thống" của họ không? (để có được những câu thực sự giống "con người")
  • Hoặc chỉ có các mẫu câu dựa trên cú pháp đơn giản mà họ đang sử dụng, không có cơ sở dữ liệu "nghĩa" ngữ nghĩa khổng lồ? Trường hợp ai đó chỉ viết một loạt các loại biểu thức thông thường ..
• Các thuật toán được sử dụng cho các câu giống như con người được viết tự nhiên là gì?

Một lý do để hỏi là, có vẻ như lĩnh vực NLG rất xa để có thể làm những gì Siri và Google Now và những người khác đang hoàn thành. Vì vậy, những loại công cụ họ đang làm? (Chỉ dành cho phần tạo văn bản câu).

Siri thường không "tạo ra" câu. Cô ấy phân tích những gì bạn nói và 'nhận ra' các từ khóa nhất định, chắc chắn và đối với các câu trả lời chung, cô ấy sẽ sử dụng một mẫu, chẳng hạn như I found [N] restaurants fairly close to youhoặcI couldn't find [X] in your music, [Username].

Nhưng hầu hết các câu trả lời của cô ấy đều được đóng hộp, tùy theo cách giải thích của cô ấy về bài phát biểu của bạn, ngoài một trình tạo số ngẫu nhiên để chọn một câu trả lời sáng tạo cho một câu hỏi thiếu sót. Đơn giản chỉ cần hỏi Siri "Một khúc gỗ có thể tặc được bao nhiêu gỗ?" hoặc "ý nghĩa của cuộc sống là gì?" sẽ tạo ra bất kỳ câu trả lời nào. Có rất nhiều tài liệu tham khảo văn hóa và những câu chuyện cười tích hợp (và nguyên văn lặp đi lặp lại) chứng minh một cách chắc chắn rằng Siri không chỉ tự phát ra hầu hết các văn bản của mình, mà kéo nó từ một cơ sở dữ liệu nào đó. Có khả năng các câu hỏi đến được lưu vào một máy chủ trung tâm, nơi các câu trả lời mới cho những câu hỏi đó có thể được tạo bởi các nhân viên của Apple, cho phép Siri "học hỏi".

Tuy nhiên, phần chuyển văn bản thành giọng nói của cô ấy đủ tốt, tuy nhiên, đôi khi nó làm cho dường như các câu trả lời đang được tạo ra ...

Nếu bạn có một cái gọi là biểu diễn cú pháp sâu sắc về những gì bạn muốn tạo, chẳng hạn như đọc (anh ấy, cuốn sách) , thì việc tạo ra biểu diễn tuyến tính của nó tương đối dễ dàng. Người ta cần một ngữ pháp chính thức mô tả cú pháp của ngôn ngữ và từ vựng hình thái cho các hình thức bị biến dạng. Thế hệ là một thứ tự cường độ dễ hơn phân tích (vì một là "tạo ra sự mơ hồ", không giải quyết nó).

Nếu bạn chỉ có một biểu diễn logic (giả sử, theo logic thứ nhất), mọi thứ trở nên phức tạp hơn. Giả sử, bạn đã mua (John, cuốn sách) đọc (John, cuốn sách) . Người ta có thể tạo ra hai câu như John đã mua một cuốn sách. John đọc một cuốn sách nhưng nó cảm thấy không tự nhiên. Một đầu ra tốt hơn sẽ là John mua một cuốn sách. Anh đọc nó. Thậm chí tốt hơn là tạo ra một câu ghép với và . Biểu diễn logic có thể tương tự như biểu diễn cú pháp sâu ở trên nhưng không có đại từ, không có giới hạn mệnh đề, v.v ... Giai đoạn dịch một biểu diễn logic thuần túy của thứ mà người ta muốn truyền tải thành một thứ "giống con người" hơn được gọi là "ngôn ngữ" lập kế hoạch "hoặc" lập kế hoạch câu "và là nhiệm vụ khó khăn hơn trong quy trình.