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 bề mặt tự nhiên lan- thế hệ gauge được xoay từ chú thích corpora. Lần đầu tiên hai hệ thống, được gọi là NLG1 và NLG2, yêu cầu một corpus đánh dấu chỉ với tên miền - thuộc tính ngữ nghĩa cụ thể, trong khi hệ thống cuối cùng, được gọi là NLG3, đòi hỏi một corpus đánh dấu với cả hai thuộc tính ngữ nghĩa và cú pháp phụ thuộc thông tin- mation. Tất cả hệ thống cố gắng tạo ra một grammat- ngôn ngữ tự nhiên iCal cụm từ một tên miền cụ thể đại diện ngữ nghĩa. NLG1 phục vụ một đường cơ sở Hệ thống và sử dụng cụm từ tần số để tạo ra một Các cụm từ toàn bộ trong một bước, trong khi NLG2 và NLG3 sử dụng mô hình xác suất tối đa entropy indi- vidually tạo ra mỗi từ trong cụm từ. Sys- tems NLG2 và NLG3 tìm hiểu để xác định cả hai các từ sự lựa chọn và thứ tự từ cụm từ. Chúng tôi hiện nay thử nghiệm mà chúng tôi tạo ra các cụm từ để Mô tả 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 ngữ
hệ ngôn đó là khả năng huấn luyện từ chú thích
corpora. Hai hệ thống đầu tiên, được gọi là NLG1 và
NLG2, đòi hỏi một ngữ đánh dấu chỉ với, lĩnh vực
thuộc tính ngữ nghĩa cụ thể, 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 tin
thông. Tất cả các hệ thống cố gắng để sản xuất một grammat-
cụm từ ngôn ngữ tự nhiên ical từ một tên miền cụ thể
đại diện ngữ nghĩa. NLG1 phục vụ một cơ sở
hệ thống và sử dụng tần số cụm từ để tạo ra một
toàn bộ 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.