ACLApr, 2019

实用信息文本生成

PDF
TL;DR本文利用计算语用学中的技术，将语言生成模型的建模过程形式化为说话者和听者之间的游戏，通过两种语用建模方法，即保留信息和建模干扰项，来提高抽象概括和结构化含义表述的生成系统的性能。
发现论文，激发创造
  • 生成和跟随指令的统一语用模型

    使用显式的实用推断对于复杂的序列任务生成和遵循自然语言指令是有帮助的，研究表明实用推断可以提高在不同环境下生成和理解自然语言指令的效果。

    Nov, 2017

  • 自然语言生成任务的实用生产策略探索

    提出一种自然语言生成系统设计的概念框架，以实现复杂的交际目标，并通过现代统计方法提供针对目标、成本和效用的具体建议。同时，倡导开发可以通过类人的方式推理目标、成本和效用的 NLG 系统。

    Oct, 2022

  • 使用神经听者和说者推理语用学

    我们提出了一个基于先验推理和学习语义结合的思想来描述场景的模型，成功率高于现有技术。

    Apr, 2016

  • 基于实境的语言学习中的语用学问题、任务和建模方法

    人们通过上下文来丰富文字表达，实现简洁而有效的沟通，为了让人工智能系统能够与人类进行自然交互，需要强调语用学技能，从分享语言目标和约定到视觉和肢体世界中的语境等，利用各种上下文信息有效地运用语言。本文调查现有的语境实现和语用模型方法，并分析了每个工作中的任务目标、环境语境和沟通便利之间的关系，从而丰富了语言含义。我们提出了关于未来基于任务设计的语境需求，以自然地引出语用现象的建议，并建议在更广泛的沟通语境和便利方面继续探索。

    Nov, 2022

  • 保持饥饿，保持专注：在信息搜索对话中生成信息量丰富且具体的问题

    本文研究了在信息不对称的对话中生成信息丰富的问题的问题，提出了一种基于启发式思考而非答案预设的提问策略，并使用强化学习算法优化问题的信息丰富程度，并优化问题的特定性，结果表明此策略比其他对比模型更能有效提高提问问题的信息量和特定性。

    Apr, 2020

  • 人类与语言模型的语用语言理解的精细比较

    本文通过在英语材料的专家评估集上进行零 - shot 提示，进行了人类和语言模型在七个语用现象上的精细比较，发现最大的模型可以实现高精度和匹配人类错误模式，同时发现证据表明模型和人类对相似的语言提示敏感，旨在探讨人类语用处理机制和语言模型之间的关系。

    Dec, 2022

  • 面向开放域创造力和公平性的可控文本生成

    本文介绍了一些控制文本生成的方法以增强语言生成模型的创造力和公平性，包括层级生成和约束解码，并应用于故事、诗歌、比喻语言的创意生成，以及减少生成模型的社会偏见。

    Sep, 2022

  • 序列语言博弈中的规划、推理和语用学

    研究顺序语言游戏中的私人信息通信，并提出能够捕获人类行为的模型。

    May, 2018

  • 语言生成中概率 - 质量悖论

    论文分析了自然语言生成过程，并通过信息理论解释了高概率和高质量并不总是一致的现象，得出语言生成应包含接近自然字符串分布熵的负对数概率数目，初步实证结果表明高质量的文本具有信息量与自然字符串分布熵更接近的特点。

    Mar, 2022

  • 神经文本生成的句子级内容规划和风格规范

    通过端到端训练的两步生成模型，即首先由句子级内容规划器决定涵盖的关键词组和所需的语言风格，然后由表面实现解码器生成相关和连贯的文本，可以显著优于现有竞争模型，在 Reddit 的说服性论证、维基百科的正常和简单版本的段落生成以及科学文章的摘要生成等任务中得到验证。

    Sep, 2019