用户对通过对话获取信息更加自在
来源:CPDA数据分析师网 / 作者:数据君 / 时间:2020-11-12
其中计算能力的提高,分析算法的日趋成熟以及现代的带有人类标签的训练数据的收集都取得了巨大的进步
在两者之间,NLP更成熟,有多种语言的代码库,并内置支持自然语言处理。许多分析平台已将自然语言查询添加到其功能列表中。自然语言的生成更为复杂,但势头正在增强,分析工具提供商也开始注意到它,您如何在分析程序中利用这项技术?答案是通过逐步完善您的方法,从基础开始,为程序增加复杂性和鲁棒性,直到您根据系统中的数据提供高质量,自动生成的叙述。
评估语言生成的公司通常首先将模板消息定义为自然语言生成的基础
在需要消息时,将模板与一组输入数据合并,以创建可传递给终用户的输出消息,这样的一个示例是警报,每次更改一些细节后,警报可能都是相同的。例如,如果要设置约会系统,则消息模板可能是“当您需要发送消息时,用数据替换名称和约会时间会创建一条有效的消息,成熟度的下一个级别包括基于要注入到消息中的数据来调整消息的语法。这将包括正确使用不定冠词,复数形式,使动词与主语一致以及使反身代词与其对应词匹配。通过将定义的语法规则应用于模板化消息,该句子不仅可以传递信息,而且在语法上也是正确的。这减少了系统生成的消息可能引起的尴尬。
随着叙述变得越来越长和越来越复杂,简单的模板不再足以有效地传达信息
这方面的一个例子是自动创建围绕科学结果的叙述,根据结果的性质,叙述将包括不同级别的内容聚合,如果实验成功,则详细程度将与实验失败的情况不同。结果可能还需要重组生成的内容,根据结果将某些细节优先于其他细节,除内容重组外,某些情况还需要增强输出的基调,考虑自动创建财务报告,积极的财务业绩报告或乐观的领先指标报告的基调是充满希望和乐观的,如果财务结果不理想,则报告必须使用阴沉的语调,并将重点放在纠正措施上。
自然语言生成的未来是利用深度学习和生成对抗网络
根据经过历史数据训练的模型动态创建复杂的叙述,所谓的深造,我们已经看到了多层神经网络的使用以及迭代训练和改进,可以将图像和视频无缝地叠加在一起,这项技术还被用于为历史静态照片增添动感并赋予它们生命,该网络还可以用于基于历史文档集开发健壮的模型,并生成具有相似结构,语气和措辞的新文档。发生这种情况时,生成内容的长度和深度将增加,随着它的成熟,其输出将与人类作家的输出几乎没有区别。
多语种支持除了动态叙事之外,基于机器学习的翻译引擎还可以几乎同时地有效分发多种语言的自动生成的内容
在两者之间,NLP更成熟,有多种语言的代码库,并内置支持自然语言处理。许多分析平台已将自然语言查询添加到其功能列表中。自然语言的生成更为复杂,但势头正在增强,分析工具提供商也开始注意到它,您如何在分析程序中利用这项技术?答案是通过逐步完善您的方法,从基础开始,为程序增加复杂性和鲁棒性,直到您根据系统中的数据提供高质量,自动生成的叙述。
评估语言生成的公司通常首先将模板消息定义为自然语言生成的基础
在需要消息时,将模板与一组输入数据合并,以创建可传递给终用户的输出消息,这样的一个示例是警报,每次更改一些细节后,警报可能都是相同的。例如,如果要设置约会系统,则消息模板可能是“当您需要发送消息时,用数据替换名称和约会时间会创建一条有效的消息,成熟度的下一个级别包括基于要注入到消息中的数据来调整消息的语法。这将包括正确使用不定冠词,复数形式,使动词与主语一致以及使反身代词与其对应词匹配。通过将定义的语法规则应用于模板化消息,该句子不仅可以传递信息,而且在语法上也是正确的。这减少了系统生成的消息可能引起的尴尬。
随着叙述变得越来越长和越来越复杂,简单的模板不再足以有效地传达信息
这方面的一个例子是自动创建围绕科学结果的叙述,根据结果的性质,叙述将包括不同级别的内容聚合,如果实验成功,则详细程度将与实验失败的情况不同。结果可能还需要重组生成的内容,根据结果将某些细节优先于其他细节,除内容重组外,某些情况还需要增强输出的基调,考虑自动创建财务报告,积极的财务业绩报告或乐观的领先指标报告的基调是充满希望和乐观的,如果财务结果不理想,则报告必须使用阴沉的语调,并将重点放在纠正措施上。
自然语言生成的未来是利用深度学习和生成对抗网络
根据经过历史数据训练的模型动态创建复杂的叙述,所谓的深造,我们已经看到了多层神经网络的使用以及迭代训练和改进,可以将图像和视频无缝地叠加在一起,这项技术还被用于为历史静态照片增添动感并赋予它们生命,该网络还可以用于基于历史文档集开发健壮的模型,并生成具有相似结构,语气和措辞的新文档。发生这种情况时,生成内容的长度和深度将增加,随着它的成熟,其输出将与人类作家的输出几乎没有区别。
多语种支持除了动态叙事之外,基于机器学习的翻译引擎还可以几乎同时地有效分发多种语言的自动生成的内容
随着人工智能算法的成熟,工具不断完善其将内容翻译成多种语言的能力,从而保持语法和情感的完整性,文字转语音,用户将对会话代理更加满意,他们希望听到而不是阅读信息。除了创建这些复杂的消息外,解决方案还必须能够将文本转换为语音,以有效地交付给终用户,自然语言生成的进步迅速使机器能够自动交付高质量的内容。公司可以超越向终用户提供简单数字的方式,并改善其内容交付策略,以便其分析提供适合信息的上下文和基调,在检查分析程序时,请从基础知识入手,并探索如何在叙述输出中改善语法,语气和结构,注意寻找机会使用新的和先进的技术来彻底改变您可以提供的内容。