自然语言生成系统的多视图体系结构_郭忠伟

图!
789 系统的系统视图
/#:
用户接口
用户接口允许用户输入有关生成内容的消息以及限制文
6#!
生成技术
文本的生成技术主要有模板、 0’(*4) 、 修 辞 结 构 理 论
本生成的参数。用户模型是指与用户知识水平有关的模型， 它 告诉系统一些有关生成文本的细节， 系统根据用户的水平确定 应该调用的知识层次和话语组织形式， 视需要给出不同的生成 结果。用户接口是否友好是影响系统推广的一个重要因素。
6%/ ;"/45+#( ;"/% <(24="/45 >%245 ;"(’/45 （ </C(#2> 3)(2@’(12-， &’-R1-. S-1T/*;1(8 2> =?1/-?/ ’-B J/?:-2+2.8 ， &’-R1-. !%""67）
， ,?9’-2.’： ,8--/ 9’:1++、 9:*1;(8 <2*’- U)1+B 530= （ 5/>/*/-?/ 3*?:1(/?()*/ >2* 0/-/*’(12- =8;(/@） N:1?: ’1@; (2 B/>1-/ ’ */>/*/-?/ ’*?:1(/?()*/ >2* &’()*’+ ,’-.)’./ 0/-/*’(12- （ &,0 ） ;8;(/@， U’;/B 2- 5/1(/*V; Q1C/+1-/ ;(*)?()*/#J:/ ’*?:1(/?()*/ 1; ’ :’+> @2B/+ ’-B ?’--2( B/;?*1U/; &,0 ;8;(/@; ?2@C+/(/+8#3 W)+(1 LX1/N @/(:2B， N:1?: ?2-(’1-;
!#/
表层实现
表层实现就是把句子规划部分输出的文本信息表示形式
的计算机内部文本进行线性化输出，产生语法正确的文本， 并 能够满足通话意图和连贯性要求。 词汇编集就是选择在最终输 出的内容文本中出现的词，也就是把概念性的东西转化为词 条； 所指表达决定了如何指代概念或实体。
/
系统视图
自然语言生成系统从系统的观点看， 它是一个“ 系统的系
/#!
知识库
自然语言生成是一种智能的活动， 智能的活动就必须依据
大量的知识。因此， 就必须对语言学知识和大量的文本进行研 究， 挖掘出规律性的东西以及各种文本的特性， 然后把这些东 西以知识的形式表达出来， 构造出知识库。知识库中包括领域 （ 背景） 知识和语言学知识。
/#/
宏观规划器
宏观规划器中话语策略是确定生成文本的内容及对内容
统（ ” 。因此， 系统体系结构视图（ 如图 ! ） 就 0123*4 -5 0123*42） 是对提供或支持上述三种功能的系统组成部分以及系统间互 相联系的描述。它主要由用户接口、 知识库、 宏观规划器、 微观 生成器 6 个部分组成。
图/
789 系统的技术视图
6#:
数据类型及其表示
数据结构与表示一直贯穿在语言的整个生成过程中。因
此， 技术视图则需要规定自然语言生成系统中统一的数据类型 及其表示。数据类型有： 概念（ ： 由外部作用者构造的与它们的目的相 ;-<’*=3>)+） 一致的非语言学表示； 语义（ ： 面向语言的意义表示； 0*4)<3&’ ） 修辞（ ： 用于修辞目的的结构； ?(*3-@&’)+） ： 关于文本布局和功能的结构； 文档（ A-’>4*<3） ： 相当于传统的句法结构。 句法（ 01<3)’3&’ ） 数据类型的表示为： 概念表示（ ， 语义表示（ ;-<?*= ） 0*4B ， 抽象修辞表示（ ， 具体修辞表示（ ， 抽 ?*= ） ?(*3?*= ） CD2(*3?*= ） 象文档表示（ ， 抽象语法表示（ 。生成系 CD2A-’?*= ） CD201<?*= ） 统就是用以上数据表示为语言载体， 完成文本生成所需信息的 生成、 传递和使用。
!
功能视图
自然语言生成从实现的任务上来看就是根据用户的输入
信息， 由文本规划器规划出所要生成信息的内容， 然后对这些 内容进行句子优化、 结构调整和信息标注， 再由文本实现器将
作者简介： 郭忠伟， 博士生， 主要从事自然语言生成的研究工作。周献中， 自动化系教授， 博士生导师。黄志同， 自动化系教授， 博士生导师。
%"$ !""!#$ 计算机工程与应用
!#!
句子规划
句子规划介于内容规划和表层生成之间，是二者的桥梁。
进行组织的部分， 文本结构器的输出的是文本规划， 带有文本 的内容与数量， 决定了微观生成器的任务范围和处理模式。
它对内容规划输出的内容进行缩合、 优化、 调整， 使每一句话的 内容 合 理 ， 结构清晰， 并根据规则添加语法、 语义信息， 满足表 层生成的需要。 %&’()*+ ,-’. 根据大脑的语言概念形成过程， 把信息策划过程分为两个阶段：第一阶段为总体提纲规划阶 段； 第二阶段为局部细节规划阶段， 句子规划就对应于第二阶 段。缩合有不同程度的解释， 在这里把它作为是不同层次上分 离信 息 的 合 并 过 程 ； 分块就是把信息（ 文本） 分成句子和段落， 它是缩合的一个补充。
自然语言生成系统的多视图体系结构
郭忠伟 周献中 黄志同 （ 南京理工大学自动化系， 南京 !%""67）
KL@’1+： .MD:2-.N/1O!$A#-/(
摘 要 在 5/1(/* 的流水线体系结构基础上， ,8--/ 9’:1++、 9:*1;(8 <2*’- 等人建立了 530= （ 5/>/*/-?/ 3*?:1(/?()*/ >2* ， 它的目的是为自然语言生成（ 系统定义一个参考体系结构， 但它是 一 个 半 模 型 ， 未能完整地描 0/-/*’(12- =8;(/@） &,0 ） 从功能、 系统、 技术三个视图方向对 述生成系统。 文章在 530= 的基础上提出了自然语言生成系统体系结构多视图方法，
%
引言
自然语言生成（ 技术是人工 &’()*’+ ,’-.)’./ 0/-/*’(12-）
规划的结果转变成自然语言文本。 自然语言生成系统的功能体 系结构视图是对生成器所要完成任务的描述， 它的任务有三种 、句子规划（ 类型：内容确定 （ ?2-(/-( B/(/*@1-’(12- ） ;/-(/-?/ 、 表层实现（ 。在这 A 个任务下面共 C+’--1-. ） ;)*>’?/ */’+1D’(12- ） 词汇编集（ ， 缩合（ ， 有 E 个子功能： ,/F1?’+1;’(12- ） 3..*/.’(12- ） ， 所指表达（ 修辞构造（ 5:/(2*1?’+ ;(*)?()*1-. ） 5/>/*1-. /FC*/;G ， 排序（ ， 分块（ ， 居中 I 突出 I 主题 ;12-;） H*B/*1-. ） =/.@/-(’(12- ） （ 。 尽管这 E 项子功能与 A 种类型的 9/-(/*1-. I =’1+1/-?/ I J:/@/ ） 任务并不是一一对应， 一项子功能在不同的生成系统中可以在 不同类型的任务中实现， 但图 % 是较为普遍的情况。
（ 和基于特征的生成技术。开发者可以根据生成文本的需 ?0E） 求来选择生成技术， 当然也可根据实际需要采用集成以上生成 技术的方法（ 这里只对 0’(*4) 方法进行介绍） 。结合所要生成 文本的特点， 先对大量使用的文本进行分析， 抽取出文本的结 构特征， 使用修辞谓词写出文本结构， 组成一个 0’(*4) 库。文 本 的 0’(*4) 可 用 扩 充 转 移 网 络 图 （ 来表示， 当生成文本 CE7 ） 时， 根据所要生成文本的类型， 进 行 0’(*4) 的 选 择 ， 通过遍历 该网络图， 从相关知识库中选择命题， 根据用户输入的信息和 知识库中的知识填充 0’(*4) ， 形成 0’(*4) 树。 树中的结点可分为 F 种基本类型： ?--3、 0’(*4) 、 G@*H&’)3* 、 表示一篇文章。 C@I>4*<3 以 及 %-H&51 。 其 中 ?--3 是 根 结 点 ， （ 下转 !/F 页） 计算机工程与应用 !""!#$
/#6
微观生成器
微观生成器根据上下文语境， 句子长度等因素， 削减冗余
信息， 输出表层字符串。 它包括文本规划接口、 词典、 语法、 语言 实现器。
6
技术视图
自然语言生成从技术上说就是研究计算机程序如何在计
算机内部表示文本信息以及如何根据这些信息表示生成一段 高质量的自然语言文本， 并且使生成的文本与人工文本比较接 近， 形式多样， 满足用户需求， 并能根据外部的变化而作相应的 调整。 自然语言生成系统的技术体系结构视图是对系统的组成 部分如何实现其功能以及数据类型的描述。它的技术视图如 图 /。
&,0பைடு நூலகம்系统体系结构进行了较为完整的描述。
关键词 自然语言生成 体系结构
530=
多视图
功能视图
系统视图
技术视图
文章编号 %""!LPAA%L（ !""! ） "$L"%"$L"!
文献标识码 3
中图分类号 JQ%P
!"# $%&’()*(#+ ,-."(’#.’%-# /0 12’%-2& 3245%25# 6#4#-2’(/4 789’#:
Y)-?(12-LX1/N， =8;(/@LX1/N ’-B J/?:-2+2.8LX1/N， 1; C*/;/-(/B 1- >)++8 B/;?*1U1-. (:/ ’*?:1(/?()*/# @#8+/-A9： &’()*’+ ,’-.)’./ 0/-/*’(12-， 3*?:1(/?()*/ ， 530= ， W)+(1LX1/N， Y)-?(12- X1/N， =8;(/@ X1/N ， J/?:-2+2.8 X1/N