自然语言（Natural Language）中有NLP（‍Natural Language Processing）、NLU（Natural Language Understanding）和NLG（Natural Language Generation），它们的区别是什么呢？ 本文旨在快速涵盖NLP、NLU和NLG之间的异同，并谈论NLP的未来。 文章作者是Nahla Davies, 今年6月份发表在KDnuggets上。 你有没有使用过像Siri或Alexa那样的智能助手来为你回答问题？ 答案很可能是 "是"，这意味着你在某种程度上已经熟悉了所谓的 自然语言处理 （NLP）。 NLP …

2022年8月18日 · nlp = nlu + nlg. 自然语言生成 – nlg 是 nlp 的重要组成部分。nlu 负责理解内容，nlg 负责生成内容。 以智能音箱为例，当用户说“几点了？”，首先需要利用 nlu 技术判断用户意图，理解用户想要什么，然后利用 nlg 技术说出“现在是6点50分”。

2025年2月17日 · 自然语言生成（Natural Language Generation，简称NLG）是自然语言处理（NLP）的一个子领域，它涉及使用计算机程序生成流畅、准确、可理解的自然语言文本。NLG系统可以自动创建文本内容，这些内容对于人类读者来说看起来就像是人写的一样。

通常，我们认为NLP = NLU + NLG，NLU-Neural Language Understanding指的自然语言理解，NLG-Neural Language Generation指的自然语言生成。 两者是相辅相成的，只有做好NLU才能做好NLG，做好NLG就可以做很多有趣的落地。 NLG包括很多任务，典型的有： 本篇文章简单介绍一下Summaization和Dialogue基本情况，因为这两个任务最常见，也最实用。 像写诗啊，写故事啊，这些task纯属瞎折腾.... NLG任务大部分都是 seq2seq 的 ( Image captioning除外)，后 …

自然语言生成（nlg）的评估是人工智能中一个重要但具有挑战性的问题。 本文调查了基于大型语言模型的NLG评估方法，探讨了它们的优势和劣势，讨论了人机合作的NLG评估，并提出了该领域的几个开放问题和未来的研究方向。

2024年11月18日 · 近年来蓬勃兴起的无参考评估方法，即Ref-free方法，或许提供了一种可能的解决思路。 这类方法通常基于某个基座语言模型，利用条件生成概率等方式对文本进行评估，并在不少任务上取得了不错的结果。 然而， 什么时候我们可以用Ref-free的方法，各类方法的优劣如何，却一直缺乏相应的研究，而这，恰恰是本文的研究中心。 我们发现， 参考文本在大多数评估场景中并非必要，应用基于语言模型的Ref-free的方法通常会有更好的效果，尤其是在和基于n …

TL;DR 为了解决自然语言生成任务（NLG）的评估问题，本文构建了一个大规模的NLG评估语料库NLG-Eval，并提出了一个专门用于NLG评估的大型语言模型Themis，该模型通过多角度一致性和基于评分偏好的方法进行训练，能够灵活、可解释地进行评估，无需参考，并在 ...

本研究解决了自然语言生成(nlg)自动评估指标与人工评估之间相关性的差异问题。 通过分析12种常见的相关性度量，发现不同的度量方法影响元评估结果，提出了三种反映元评估能力的视角，最终发现采用全局分组和Pearson相关性度量的组合表现最佳，具有较好的 ...

Show All 4 2020 3 NER 3 深度学习编译器 1 2021 1 NLG 1. 2021. 「论文笔记」A Unified Generative Framework for Various NER Subtasks 以生成的方式完成所有类型的 NER 任务 . 2020. 「论文笔记」An Effective Transition-based Model for Discontinuous NER

自然語言生成（NLG）是自然語言處理的一部分，從知識庫或 邏輯形式 （ 英语 ： Logic Form (Linguistics) ） 等等機器表述系統去生成自然語言。 這種形式表述當作心理表述的模型時， 心理語言學家 會選用 語言產出 （ 英语 ： language production ） 這個術語。