ACLOct, 2023

自动人工智能互动文本生成

PDF
TL;DR本教程关注于文本生成，这是一类自然语言生成任务，它以一段文本作为输入，然后生成一篇按照某些特定标准（如可读性或语言风格）改进的修订版本，同时保留原版文本的大部分含义和长度。
text-to-text generationnatural language generationtext simplificationstylistic controlevaluation
发现论文，激发创造
  • 学生 - AI 创意写作：在学校应用自然语言生成的教学策略

    该研究实验了人工智能通过语言生成实现的创意写作，参赛学生使用四个文本生成器的输出作为创意创作的一部分，并在反思问题的指导下评估了他们的写作表现，研究结果有助于更好地应用自然语言生成技术于教育教学。

    Jun, 2022

  • 文本生成的评估：一项调查

    该文章调查了近年来开发的自然语言生成（NLG）系统的评估方法。将 NLG 评估方法分为三类，讨论了每种类别取得的进展和仍然面临的挑战，重点关注最近提出的 NLG 任务和神经 NLG 模型的评估。最后提出了自动文本摘要和长文本生成的两个任务特定的 NLG 评估示例，并提出了未来的研究方向。

    Jun, 2020

  • ARTIST: 人工智能用于简化文字

    通过对荷兰语文本简化进行实证研究，我们提供了一个可配置的文本简化流水线的设计和实现，以控制最先进的生成式文本简化模型、领域和读者适应以及可视化模块，并揭示了自动文本简化的优势与处理文化和常识知识所面临的挑战，这是对荷兰语文本简化探索的第一步，并为未来的研究和实践提供了启示。

    Aug, 2023

  • 文本生成：任务、评估和挑战的系统文献综述

    文本生成领域的文献回顾研究了 244 篇论文，将文本生成的工作分类为五个主要任务，并分析了相关特点、子任务和具体挑战。此外，研究还评估了目前的评估方法，并确定存在的问题。研究指出了九个主要挑战，并提供了详细分析和解决方案，以及进一步研究需求。该文献回顾面向自然语言处理领域的初级研究人员和有经验的研究人员。

    May, 2024

  • 自然语言生成艺术现状调查：核心任务、应用和评估

    本文调查了自然语言生成的现状，包括核心任务、架构、新研究主题、评估挑战和与人工智能领域的协同作用。

    Mar, 2017

  • 知识增强文本生成调查

    本文综述了过去五年间关于知识增强文本生成的研究，主要内容包括将各种形式的知识融合到文本生成中的通用方法与架构，以及基于不同形式的知识数据的具体技术和应用。

    Oct, 2020

  • 机器生成文本的检测：文献综述

    研究概述了语言模型产生的虚假文本、媒体关注度、自然语言生成、社会意义等关键词，同时探索了机器产生文本的趋势和更大的社会影响。

    Jan, 2024

  • AI 文本到图像和 AI 文本到视频生成器的调查

    通过调研文献并分析各项研究方法，该篇论文综述了文本到图像和文本到视频 AI 生成的前沿方法，包括数据预处理技术、神经网络类型以及评估指标。此外，论文还讨论了文本到图像和文本到视频 AI 生成的挑战、限制以及未来研究方向。总体而言，这些模型在视频制作、内容创作和数字营销等广泛应用领域具有巨大潜力。

    Nov, 2023

  • 神经语言生成：公式化，方法与评估

    本调查综述了自然语言生成的定义、应用、方法及评估，提供了一种神经网络生成模型的信息总览。

    Jul, 2020

  • 神经数据转换为文本生成的创新

    本文调查了神经元数据到文本生成的方法、基准数据集和评估协议，突出了技术应用阶段及其在自然语言生成领域中的前景。

    Jul, 2022