[论文解读] NLG vs. Templates

Ehud Reiter|arXiv (Cornell University)|Apr 23, 1995

Language, Metaphor, and Cognition参考文献 11被引用 106

一句话总结

本文探讨了在应用型自然语言生成（NLG）中，神经语言生成（NLG）与基于模板的方法相比的相对价值，认为研究界尚未充分探索这一关键问题。文章指出了衡量NLG相较于模板所增加价值的若干挑战，并提出了有针对性的研究方向，以增强NLG在实际应用中的优势。

ABSTRACT

One of the most important questions in applied NLG is what benefits (or ‘valueadded’, in business-speak) NLG technology offers over template-based approaches. Despite the importance of this question to the applied NLG community, however, it has not been discussed much in the research NLG community, which I think is a pity. In this paper, I try to summarize the issues involved and recap current thinking on this topic. My goal is not to answer this question (I don’t think we know enough to be able to do so), but rather to increase the visibility of this issue in the research community, in the hope of getting some input and ideas on this very important question. I conclude with a list of specific research areas I would like to see more work in, because I think they would increase the ‘value-added’ of NLG over templates.

研究动机与目标

• 强调在实际应用场景中，NLG相较于基于模板的系统所增加的实际价值这一长期被忽视但至关重要的问题。
• 提高该问题在NLG研究社区中的可见度，以激发进一步的探究与合作。
• 识别出能够显著提升NLG相对于模板方法实际优势的具体研究方向。
• 对NLG与模板方法之争的现有观点进行综合梳理，聚焦于可操作的研究机遇。

提出的方法

• 系统性回顾并整合现有研究及产业界对NLG与基于模板生成的看法。
• 识别NLG可能优于模板的关键维度，例如语言多样性与适应性。
• 分析当前在评估NLG相较于模板所增加价值方面的局限性。
• 基于NLG实际效用感知到的差距，提出有针对性的研究领域。
• 运用概念性框架，从灵活性、可维护性及输出质量等标准，对比NLG与模板方法。

实验结果

研究问题

• RQ1 在真实应用场景中，NLG相较于基于模板的系统提供了哪些可衡量的优势？
• RQ2 为何研究界长期忽视了NLG与模板方法之间的相对价值比较？
• RQ3 哪些研究方向最有可能有效提升NLG相对于模板方法的实际价值？
• RQ4 我们如何能更好地评估NLG的附加价值，而不仅限于流畅性与语法正确性？

主要发现

• 尽管在实际应用中具有重要意义，研究界尚未充分探讨NLG相较于模板的实际价值。
• 在NLG是否以及在何种情况下能为模板提供实质性优势的问题上，目前仍缺乏共识与系统性评估。
• 当前的NLG系统在真实部署环境中，往往未能清晰展示相较于模板的可衡量优势。
• 本文识别出若干具体的研究方向，如可控生成与对输入变化的鲁棒性，这些方向有望弥合NLG与模板方法之间的价值差距。