可以說是多輪對話的最后一公里。
NLG 是為了跨越人類和機器之間的溝通鴻溝，將非語言格式的數據轉換成人類可以理解的語言格式，如文章、報告等。
對話系統中的自然語言生成技術（NLG）
參考自https://zhuanlan.zhihu.com/p/49197552
對話系統按功能來划分的話，分為閑聊型、任務型、知識問答型和推薦型。在不同類型的聊天系統中，NLG也不盡相同。
1.1. 閑聊型對話中的NLG就是根據上下文進行意圖識別、情感分析等，然后生成開放性回復；
1.2.任務型對話中的NLG就是在NLU(領域分類和意圖識別、槽填充)、DST、DPL的基礎上，根據學習到的策略來生成對話回復，一般回復包括澄清需求、引導用戶、詢問、確認、對話結束語等。如果不太明白每個階段的具體流程，可以看看我之前發的文章“任務型對話系統公式建模&&實例說明”。
1.3.知識問答型對話中的NLG就是根據問句類型識別與分類、信息檢索或文本匹配而生成用戶需要的知識（知識、實體、片段等），這類回復相比單純的信息檢索一般用戶體驗會更好，因為一般信息檢索還需要用戶根據搜索結果自己找所需信息。
1.4.推薦型對話系統中的NLG就是根據用戶的愛好來進行興趣匹配以及候選推薦內容排序，然后生成給用戶推薦的內容。
數據集
數據集欠缺，基准欠缺，這是制約NLG發展的一個重要因素。
評價指標
- BLEU評估法（機器翻譯）
- ROUGE評估法（自動摘要）、Rouge-N、Rouge-L、Rouge-W、Rouge-S
- METEOR評估法（機器翻譯、自動文摘）
- CIDEr評價方法（圖像）
框架/平台
論文
參考
准研，nlp 有哪些坑? - SmoothNLP的回答 - 知乎
https://www.zhihu.com/question/320804186/answer/699035008
一文看懂自然語言生成 - NLG（6個實現步驟+3個典型應用） - 趙強的文章 - 知乎
https://zhuanlan.zhihu.com/p/76173450
NLG在自然語言處理領域中是否還有需要？ - zibuyu9的回答 - 知乎
https://www.zhihu.com/question/52908831/answer/132605091
NLG在自然語言處理領域中是否還有需要？ - 阿里雲雲棲號的回答 - 知乎
https://www.zhihu.com/question/52908831/answer/647758962
總結|對話系統中的自然語言生成技術（NLG） - cstghitpku的文章 - 知乎
https://zhuanlan.zhihu.com/p/49197552
阿里-搜索團隊智能內容生成實踐 - 清凇的文章 - 知乎
https://zhuanlan.zhihu.com/p/33956907
“重磅！” 常見的NLG評估方法大整理 ！！ - ShuYini的文章 - 知乎
https://zhuanlan.zhihu.com/p/100942429
本文僅供學習使用，侵刪