We present three systems for surfac

We present three systems for surface natural lan-guage generation that are trainable from annotated corpora. The first two systems, called NLG1 and NLG2, require a corpus marked only with domain-specific semantic attributes, while the last system, called NLG3, requires a corpus marked with both semantic attributes and syntactic dependency infor-mation. All systems attempt to produce a grammat-ical natural language phrase from a domain-specific semantic representation. NLG1 serves a baseline system and uses phrase frequencies to generate a whole phrase in one step, while NLG2 and NLG3 use maximum entropy probability models to indi-vidually generate each word in the phrase. The sys-
tems NLG2 and NLG3 learn to determine both the word choice and the word order of the phrase. We present experiments in which we generate phrases to describe flights in the air travel domain

Kết quả (Việt) 1:

Chúng tôi trình bày ba hệ thống cho thế hệ bề mặt tự nhiên lan-gauge được xoay từ corpora chú thích. Lần đầu tiên hai hệ thống, được gọi là NLG1 và NLG2, yêu cầu một corpus đánh dấu chỉ với thuộc tính ngữ nghĩa tên miền cụ thể, trong khi hệ thống cuối cùng, được gọi là NLG3, đòi hỏi một corpus đánh dấu ngữ nghĩa thuộc tính và cú pháp phụ thuộc thông tin-mation. Tất cả hệ thống cố gắng tạo ra một cụm từ grammat ical ngôn ngữ tự nhiên từ một đại diện ngữ nghĩa tên miền cụ thể. NLG1 phục vụ một hệ thống đường cơ sở và sử dụng cụm từ tần số để tạo ra một cụm từ toàn bộ trong một bước, trong khi NLG2 và NLG3 sử dụng tối đa entropy xác suất mô hình để indi-vidually tạo ra mỗi từ trong cụm từ. Sys- tems NLG2 và NLG3 tìm hiểu để xác định từ sự lựa chọn và thứ tự từ cụm từ. Chúng tôi giới thiệu thử nghiệm mà chúng tôi tạo ra các cụm từ để mô tả các chuyến bay thuộc phạm vi du lịch máy

Kết quả (Việt) 2:

Chúng tôi trình bày ba hệ thống cho các bề mặt tự nhiên thế hệ lan-ngôn đó là khả năng huấn luyện từ corpora chú thích. Hai hệ thống đầu tiên, được gọi là NLG1 và NLG2, đòi hỏi một corpus chỉ được đánh dấu với các thuộc tính tên miền cụ thể ngữ nghĩa, trong khi hệ thống cuối cùng, gọi là NLG3, đòi hỏi một ngữ đánh dấu với cả hai thuộc tính ngữ nghĩa và cú pháp phụ thuộc infor-thông. Tất cả các hệ thống cố gắng để tạo ra một cụm từ ngôn ngữ tự nhiên grammat-ical từ một đại diện ngữ nghĩa tên miền cụ thể. NLG1 phục vụ một hệ thống cơ bản và sử dụng tần số cụm từ để tạo ra cả một cụm từ trong một bước, trong khi NLG2 và NLG3 sử dụng mô hình entropy xác suất tối đa để indi-vidually tạo ra mỗi từ trong các cụm từ. Các thống
tems NLG2 và NLG3 tìm hiểu để xác định cả hai lựa chọn từ và trật tự từ trong các cụm từ. Chúng tôi trình bày thí nghiệm mà chúng ta tạo ra cụm từ để mô tả các chuyến bay trong lĩnh vực du lịch hàng không