本文探讨以知识为指导的自然语言生成技术，旨在产生具有人类思维方式的文本内容。作者提出了十个目标来指导智能化自然语言生成系统的发展，同时简要回顾了以知识和推理为指导的自然语言生成技术的成就。最后，作者展望了未来的发展方向和挑战。

Dec, 2022

本文介绍了一种正式的语法系统 —— 连通性语法（link grammar）。我们展示了如何在该系统中编码英语语法并给出了解析的算法；虽然该系统的表现力等同于无上下文限制的语法，但是利用该系统来编码自然语言的语法更为容易。我们已经开发了一个通用的解析程序并编写了英语的连接克文法（link grammar）。这个系统的性能显示它并不仅仅在语言学上有意义，同时还具有实际应用价值。该程序用 C 语言编写，可以通过 Internet 获得。

Aug, 1995

本文提出将计算机视觉算法放入世界范围内的互动环境进行预训练，完成各种任务的想法，以解决计算机视觉在实现人工通用智能方面的困难

Jun, 2023

本文描述了 OntoAgent 认知架构内开发的面向智能代理的自然语言生成（NLG）的最新进展，该方法在计算语言学的知识库、代理架构和方法上深受过去自然语言理解研究的启发，以实现长期面向广泛覆盖，同时支持近期应用。

Jan, 2022

本文介绍了一种将 APIs 与聊天机器人相融合的方案，旨在帮助缺乏技术能力的业务用户实现自动化解决方案。文中提出了一种生成句子训练意图识别模型的系统，并使用深度学习模型进行评估，结果显示很有前景，在系统中引入人的参与将进一步提高系统性能。

Jun, 2022

我们提出了一个新颖的系统，可以从一组最小的有意义的词（例如名词、动词和形容词）中，自动地生成西班牙语句子，并能适应其他语言。该系统利用了语言学的知识、词汇和语法，能够从用户提供的主要词汇集中生成完整、连贯和拼写正确的句子。该系统旨在具有整合性、可移植性和高效性，并且可以被轻松地适应其他语言，并且可以被整合到各种数字设备中。该系统通过自动和手动评估，可以在辅助交流、自动生成行政报告或新闻等不同应用领域中发挥潜在的作用。

May, 2024

本研究旨在使用自然语言生成技术快速生成英语语言学习应用的内容，并控制生成的结果以满足相关要求。根据语言学习水平及语法结构等因素，我们尝试使用预训练深度模型进行控制，评价结果表明，我们可以控制实现多样化、定制化内容的同时，实现较高的语法质量。

Nov, 2022

本文提出基于联合循环卷积神经网络结构的统计语言生成器，可以在不需要语义对齐或预定义语法树的情况下，训练对话行为 - 话语对。客观指标表明，在相同的实验条件下，这种新模型优于以前的方法。人类评委的评估结果表明，它产生的不仅是高质量而且是语言上多变的话语，而且与 n-gram 和基于规则的系统相比受到更多的青睐。

Aug, 2015

本研究提出了一种基于语义控制 LSTM 结构的统计自然语言生成器，通过交叉熵训练标准优化句子规划和语言表现，可轻松实现语言变化，并通过两个不同测试域的客观评价和人工评分表明该方法相对于先前方法具有更好的性能和自然度。

Aug, 2015

研究人工智能自然语言生成系统 (NLG)，探讨其任务与应用，介绍 NLG 领域基本知识给潜在的合作伙伴。

May, 1996