The trainable surface NLG systems i

The trainable surface NLG systems in this paper differ from grammar-based systems in how they determine the attribute ordering and lexical choice. NLG2 and NLG3 automatically determine attribute ordering by simultaneously searching multiple orderings. In grammar-based approaches, such preferences need to be manually encoded. NLG2 and NLG3 solve the lexical choice problem by learning the words (via features in the maximum entropy probability model) that correlate with a given attribute and local context, whereas (Elhadad et al., 1997) uses a rule-based pproach to decide the word choice

Kết quả (Việt) 1:

Hệ thống NLG bề mặt xoay trong bài báo này khác biệt từ ngữ pháp dựa trên hệ thống như thế nào họ xác định các thuộc tính thứ tự và lựa chọn các từ vựng. NLG2 và NLG3 tự động xác định thuộc tính thứ tự bằng cách đồng thời tìm kiếm nhiều orderings. Trong ngữ pháp dựa trên phương pháp tiếp cận, sở thích như vậy cần phải được mã hóa theo cách thủ công. NLG2 và NLG3 giải quyết vấn đề lựa chọn từ vựng bằng cách học các từ (thông qua tính năng trong mô hình xác suất tối đa entropy) tương ứng với một thuộc tính nhất định và bối cảnh địa phương, trong khi (Elhadad và ctv., 1997) sử dụng một quy tắc dựa trên pproach để quyết định lựa chọn từ

Kết quả (Việt) 2:

Các hệ thống NLG mặt khả năng huấn luyện trong bài báo này khác với hệ thống ngữ pháp dựa trên cách họ xác định các thuộc tính thứ tự và lựa chọn từ vựng. NLG2 và NLG3 tự động xác định thuộc tính đặt hàng bằng cách đồng thời tìm kiếm nhiều orderings. Trong phương pháp tiếp cận dựa trên ngữ pháp, sở thích như vậy cần phải được mã hóa bằng tay. NLG2 và NLG3 giải quyết vấn đề lựa chọn từ vựng bằng cách học hỏi những lời (thông qua tính năng trong mô hình dữ liệu ngẫu nhiên xác suất tối đa) có tương quan với một thuộc tính nhất định và hoàn cảnh địa phương, trong khi (Elhadad et al., 1997) sử dụng một Cách tiếp cận lồng dựa trên nguyên tắc để quyết định lựa chọn từ ngữ