機(jī)器寫作

王哲

1概念內(nèi)涵

機(jī)器寫作，又稱自然語言生成，是自然語言處理領(lǐng)域的重要分支，指的是綜合運(yùn)用大數(shù)據(jù)分析、內(nèi)容理解和自然語言生成等，實(shí)現(xiàn)機(jī)器智能生成文本內(nèi)容的技術(shù)。基本創(chuàng)作流程主要分為數(shù)據(jù)采集、數(shù)據(jù)分析、自動(dòng)寫稿、審核簽發(fā)等。其應(yīng)用級(jí)產(chǎn)品WordSmith的軟件于2007年首次出現(xiàn)，由美國Automated Insights開發(fā)。

2 機(jī)器寫作簡要流程

3機(jī)器寫作的三大主流方式

計(jì)算機(jī)根據(jù)輸入的結(jié)構(gòu)化數(shù)據(jù)（報(bào)表、RDF數(shù)據(jù)等）進(jìn)行文字創(chuàng)作。該方式能夠生成原創(chuàng)稿件，是目前機(jī)器寫作的主要方式，適用于天氣預(yù)報(bào)、醫(yī)療報(bào)告、賽事簡訊、財(cái)經(jīng)報(bào)道等文本的生產(chǎn)。

計(jì)算機(jī)根據(jù)已有的文字素材（例如，已經(jīng)發(fā)表的新聞）進(jìn)行二次文字創(chuàng)作。該方式能夠基于已有稿件創(chuàng)作出不一樣的稿件，例如，為一篇新聞生成摘要，對多篇相關(guān)新聞進(jìn)行綜述，對一篇新聞進(jìn)行文字改寫等。

計(jì)算機(jī)可以結(jié)合原創(chuàng)與二次創(chuàng)作兩種方式進(jìn)行文字創(chuàng)作，稿件中的一部分內(nèi)容從結(jié)構(gòu)化數(shù)據(jù)中直接生成，另一部分內(nèi)容則從已有文本中進(jìn)行提煉或改寫得到，生成內(nèi)容更豐富、形式更多樣的文本。

4機(jī)器寫作的各應(yīng)用領(lǐng)域

知識(shí)類應(yīng)用

速報(bào)類應(yīng)用

資訊聚合類應(yīng)用

5平行語料缺乏

未來基于深度學(xué)習(xí)的機(jī)器寫作需要大規(guī)模的平行語料進(jìn)行訓(xùn)練，而很多應(yīng)用場景卻缺乏此類平行語料，因此有必要探索小數(shù)據(jù)下的學(xué)習(xí)機(jī)制來解決這個(gè)問題。

領(lǐng)域遷移性不足

機(jī)器寫作生成文本中信息與數(shù)據(jù)的準(zhǔn)確性、文本的可讀性不能完全得到保證，而不少應(yīng)用場景不能容忍文本質(zhì)量上的瑕疵，因此需要考慮結(jié)合更先進(jìn)的技術(shù)來提高所生成文本的質(zhì)量。

寫作質(zhì)量難以客觀評價(jià)

機(jī)器寫作的客觀評價(jià)指標(biāo)一般為BLEU和ROUGE，但文章的寫作方式多樣，每個(gè)作者都可以根據(jù)同一命題寫出內(nèi)容不一樣但質(zhì)量都很高的文章，未來有必要設(shè)計(jì)更合理的客觀評價(jià)指標(biāo)。