All the trainable NLG systems in th

All the trainable NLG systems in this paper assume the existence of a large corpus of phrases in which the values of interest have been replaced with their corresponding attributes, or in other words, a corpus of generation templates. Figure 1 shows a sample of training data, where only words marked with a "$" are attributes. All of the NLG systems in this paper work in two steps as shown in Table 2. The systems NLG 1, NLG 2 and NLG 3 all implement step 1; they produce a sequence of words intermixed with attributes, i.e., a template, from the the attributes alone. The values are ignored until step 2, when they replace their corresponding attributes in the phrase produced by step 1

Kết quả (Việt) 1:

Tất cả các xoay NLG hệ thống trong bài báo này giả định sự tồn tại của một corpus lớn của cụm từ trong đó các giá trị của lợi ích đã được thay thế bằng thuộc tính tương ứng của họ, hoặc nói cách khác, một corpus thế hệ mẫu. Hình 1 cho thấy một mẫu dữ liệu đào tạo, nơi chỉ từ được đánh dấu bằng một "$" là thuộc tính. Tất cả các hệ thống NLG trong bài báo này làm việc trong hai bước như thể hiện trong bảng 2. Hệ thống NLG 1, NLG 2 và NLG 3 tất cả thực hiện bước 1; họ sản xuất một chuỗi các từ intermixed với thuộc tính, ví dụ, một mẫu, từ các thuộc tính một mình. Các giá trị được bỏ qua cho đến bước 2, khi họ thay thế của thuộc tính tương ứng trong cụm từ được sản xuất bởi bước 1

Kết quả (Việt) 2:

Tất cả các hệ thống NLG khả năng huấn luyện trong bài viết này giả định sự tồn tại của một ngữ liệu lớn của cụm từ trong đó các giá trị của lãi suất đã được thay thế bằng các thuộc tính tương ứng của họ, hay nói cách khác, một corpus của mẫu hệ. Hình 1 cho thấy một mẫu dữ liệu huấn luyện, nơi mà chỉ có từ được đánh dấu với một dấu "$" là thuộc tính. Tất cả các hệ thống NLG trong công việc giấy tờ này theo hai bước như thể hiện trong Bảng 2. Hệ thống NLG 1, 2 và NLG NLG 3 tất cả thực hiện bước 1; họ tạo ra một chuỗi các từ trộn lẫn với các thuộc tính, ví dụ, một mẫu, từ các thuộc tính một mình. Các giá trị được bỏ qua đến bước 2, khi họ thay thế các thuộc tính tương ứng của họ trong các cụm từ được sản xuất bởi bước 1