estruturação do documento - Document structuring
Documento Estruturação é uma subtarefa de geração de linguagem natural , que envolve decidir a ordem e agrupamento (por exemplo em parágrafos) de sentenças em um texto gerado. Ela está intimamente relacionada com a determinação de conteúdo tarefa NLG.
Exemplo
Assumindo que existem quatro frases que deseja incluir em um texto gerado
- Vai chover no sábado
- Será ensolarado no domingo
- temperatura máxima será 10C no sábado
- Temperatura máxima será de 15C no domingo
Há 24 (4!) Orderings dessas mensagens, incluindo
- (1234) Vai chover no sábado. Será ensolarado no domingo. temperatura máxima será 10C no sábado. Temperatura máxima será de 15C no domingo.
- (2341) Será ensolarado no domingo. temperatura máxima será 10C no sábado. Temperatura máxima será de 15C no domingo. Vai chover no sábado.
- (4321) a temperatura máxima será de 15C no domingo. temperatura máxima será 10C no sábado. Será ensolarado no domingo. Vai chover no sábado.
Algumas dessas ordenações são melhores que outros. Por exemplo, dos textos apresentados acima, os leitores humanos preferem (1234) over (2314) e (4321).
Para qualquer encomenda, também há muitas maneiras em que frases podem ser agrupadas em parágrafos e estruturas de alto nível, tais como seções. Por exemplo, existem 8 (2 ** 3) formas em que as sentenças em (1234) podem ser agrupadas em parágrafos, incluindo
- (12) (34)
- Vai chover no sábado. Será ensolarado no domingo.
- temperatura máxima será 10C no sábado. Temperatura máxima será de 15C no domingo.
- (1) (23) (4)
- Vai chover no sábado.
- Será ensolarado no domingo. temperatura máxima será 10C no sábado.
- Temperatura máxima será de 15C no domingo.
Tal como acontece com a encomenda, leitores humanos preferem alguns grupos em detrimento de outros; por exemplo, (12) (34) é preferido em relação (1) (23) (4).
A tarefa de estruturação do documento é escolher uma ordenação e agrupamento de frases que resulta em um texto coerente e bem organizada do ponto de vista do leitor.
Algoritmos e modelos
Há três abordagens básicas para estruturação do documento: schemas, baseada em corpus, e heurística.
Os esquemas são modelos que especificam explicitamente ordenação frase e agrupamento para um documento (bem como a determinação de conteúdo de informação). Normalmente, eles são construídos por analisar manualmente um corpus de textos escritos humanos no gênero alvo, e extrair um modelo de documento a partir destes textos. Esquemas funcionam bem na prática, para os textos que são de curta duração (5 frases ou menos) e / ou ter uma estrutura padronizada, mas tem problemas na geração de textos que são mais tempo e não têm uma estrutura fixa.
Técnicas estruturantes baseados em Corpus usar técnicas de análise corpus estatísticos para a construção automática de pedidos e / ou modelos de agrupamento. Tais técnicas são comuns em sumarização automática , onde um programa de computador gera automaticamente um resumo de um documento textual. Em princípio, podem ser aplicados ao texto gerado a partir de dados não linguísticos, mas este trabalho está em sua infância; parte do desafio é que os textos gerados por sistemas de Geração de Linguagem Natural são geralmente esperado para ser de muito alta qualidade, o que nem sempre é o caso de textos gerados por sistemas de Sumarização automática.
A aproximação final é estruturação baseada em heurística. Tais algoritmos executar a tarefa estruturação baseada em regras heurísticas, que podem vir de teorias da retórica, os modelos psicolingüísticas, e / ou uma combinação de intuição e feedback de experiências-piloto com potenciais utilizadores. -Heurística baseada estruturação é atraente intelectualmente, mas pode ser difícil de fazê-lo funcionar bem na prática, em parte porque heurísticas dependem muitas vezes de informação semântica (como as sentenças se relacionam entre si), que nem sempre está disponível. Por outro lado, regras heurísticas podem se concentrar no que é melhor para leitores de texto, enquanto que as outras abordagens focar autores imitando (e muitos textos de autoria humanos não são bem estruturados).
Narrativa
Talvez o desafio de estruturação do documento final é gerar uma boa narrativa em outras palavras, um texto que começa definindo a cena e dando uma introdução / overview; Em seguida, descreve um conjunto de eventos de uma forma clara que os leitores possam facilmente ver como os eventos individuais estão relacionados e unir; e conclui com um resumo / fim. Note-se que narrativa, neste sentido, aplica-se aos textos factuais, bem como histórias. Sistemas NLG atuais não fazem um bom trabalho de narrativas que geram, e esta é uma importante fonte de críticas de usuários.
Gerando boas narrativas é um desafio para todos os aspectos da NLG, mas o desafio mais fundamental é provavelmente na estruturação do documento.
