For example, the NLG system should

For example, the NLG system should automatically decide if the attribute ordering in "flights to New York in the evening" is better or worse than the ordering in "flights in the evening to New York". Furthermore, it should automatically decide if the lexical choice in "flights departing to New York" is better or worse than the choice in "flights leaving to New York". The motivation for a trainable surface
generator is to solve the above two problems in a way that reflects the observed usage of language in a corpus, but without the manual effort needed to construct a grammar or knowledge base.

Kết quả (Việt) 1:

Ví dụ, Hệ thống NLG nên tự động quyết định nếu thuộc tính thứ tự trong "chuyến bay đến New York vào buổi tối" là tốt hơn hoặc tồi tệ hơn đặt hàng trong "chuyến bay vào buổi tối để New York". Hơn nữa, nó sẽ tự động quyết định nếu sự lựa chọn từ vựng trong "chuyến bay khởi hành đến New York" là tốt hơn hoặc tồi tệ hơn sự lựa chọn trong "chuyến bay đi đến New York". Các động lực cho một bề mặt xoayMáy phát điện là để giải quyết hai vấn đề trên một cách phản ánh việc sử dụng quan sát của ngôn ngữ trong corpus một, nhưng mà không có những nỗ lực hướng dẫn sử dụng cần thiết để xây dựng một ngữ pháp hoặc cơ sở kiến thức.

Kết quả (Việt) 2:

Ví dụ, hệ thống sẽ tự động NLG quyết định nếu thuộc tính đặt trong "chuyến bay đến New York vào buổi tối" là tốt hơn hoặc tồi tệ hơn đặt hàng trong "chuyến bay vào buổi tối để New York". Hơn nữa, nó sẽ tự động quyết định nếu sự lựa chọn từ vựng trong "chuyến bay khởi hành đến New York" là tốt hơn hoặc tồi tệ hơn sự lựa chọn trong "chuyến bay rời đến New York". Động lực cho một bề mặt dễ huấn luyện
máy phát điện là để giải quyết hai vấn đề trên một cách phản ánh việc sử dụng quan sát của ngôn ngữ trong một ngữ liệu, nhưng nếu không có sự nỗ lực của nhãn hiệu cần thiết để xây dựng một ngữ pháp hoặc kiến thức cơ sở.