近年来,人们致力于将神经模型应用于自然语言的生成。挑战在于生成自然的类人文本,并控制生成过程。本文提出了一个任务无关定的神经文本生成综述。这些进步已经通过大量的发展取得,我们将其归为以下四个标题:数据构建、神经框架、训练和推理策略,以及评估指标。最后讨论了神经文本生成的未来发展方向,包括神经通道和背景知识开发。

成为VIP会员查看完整内容
17

相关内容

【EMNLP2020】自然语言生成,Neural Language Generation
专知会员服务
38+阅读 · 2020年11月20日
专知会员服务
102+阅读 · 2020年3月12日
中科院自动化所:最新视觉-语言预训练综述
PaperWeekly
3+阅读 · 2022年3月1日
任务型对话系统预训练最新研究进展
PaperWeekly
2+阅读 · 2022年1月14日
浅谈问题生成(Question Generation)
PaperWeekly
5+阅读 · 2021年12月11日
自然语言处理常识推理综述论文,60页pdf
专知
69+阅读 · 2019年4月4日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
15+阅读 · 2021年12月22日
Arxiv
23+阅读 · 2021年10月11日
Arxiv
14+阅读 · 2021年6月30日
Arxiv
18+阅读 · 2020年10月9日
VIP会员
相关VIP内容
【EMNLP2020】自然语言生成,Neural Language Generation
专知会员服务
38+阅读 · 2020年11月20日
专知会员服务
102+阅读 · 2020年3月12日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员