自然语言生成（Natural Language Generation，简称NLG）是指从非语言输入构造自然语言输出的处理。该处理的目的可以看成与自然语言理解（Natural Language Understanding,简称NLU）的目的相反，NLG是从意义到文本的映射，而NLU是从文本到意义的映射。在实现这个映射时，生成采用的许多语言学问题，但方向相反，使得它的方法与NLU的那些方法有两个重要的不同。

首先，用于生成处理的输入的性质根据应用的不同会有很大变化。尽管用于NLU系统的语言学输入可能会因文本类型的不同而有所变化，但是所有这些文本都是在一种相对统一的语法规则支配下的。生成系统则不是这样。每个生成系统面对的是带有不同输入规范的不同应用。一个系统可能是数值表的复杂集的解释，而其他系统可能是用面向对象的软件工程模型的结构组成的。因此，生成系统必须能够抽取驱动生成处理所需的信息。

其次，尽管NLU和NLG都必须能够表示一系列应用领域所需的词汇和语法形式，但是它们对这些表示的使用方式是不同的。NLU以假设管理（hypothesis management）处理为特征，在语言学输入被顺序扫描的同时，系统考虑可供选择的解释。在NLU中最受关注的是歧义的、不确定的以及非良构输入，而这些不是生成研究所关注的，因为它们通常并不出现。NLG系统的非语言学的表示输入往往是较少歧义的、指定的和良构的输入。相反，在NLG中最为关注的是选择（choice）。生成系统必须做出下面的选择：

● 内容选择

基于特定交际目的的系统决策，系统必须从完全指定的可能输入中选择正确的内容。例如，我们注意到例句（1）包括的一些内容并不适合于所有读者。如果目的是表明该环境已建立，而读者是一名软件工程师，则我们可能只选用最后一个句子来表达。

Congratulations, you've just compiled and run a simple C program （1）

which means that your environment is configured properly.

● 词汇选择

系统必须选择能最恰当地表达特定概念的词汇项。例如，在例句（1）中，必须在单词configured和其他可能形式（包括set up）之间进行选择。

● 句子结构

-集结

系统必须将选择的内容分配给短语、从句和句子长度的词块。在例句（1）中，将compiling和running合并为一个短语。

-所指表达

系统必须确定如何指向所讨论的客体。在例句（1）中如何指向program的决策不是无关紧要的。

● 话语结构

NLG系统经常处理多个句子的话语，它必须具有一个连贯且可分辨的结构。例句（20.1）就包含两个命题，显然其中一个是另一个的根据。

这些选择问题，与将单词的线性序列组成文本的实际问题一起，构成了NLG领域的核心。尽管这是一个相对年轻的领域，但已经有许多针对该核心的研究工作。

责任编辑：admin