【2022新书】文本生成的深度学习方法，201页pdf，Deep Learning Approaches to Text Production

文本生成有很多应用。例如，它可以从对话动作生成对话，将知识库的内容用语言表达出来，或从丰富的语言表征(如依赖树或抽象意义表征)生成英语句子。文本生成也在文本到文本的转换中起作用，如句子压缩、句子融合、释义、句子(或文本)简化和文本摘要。这本书提供了文本生产的神经模型的基础的概述。特别地，我们详细阐述了文本生成的神经方法的三个主要方面:顺序解码器如何学习生成足够的文本，编码器如何学习生成更好的输入表示，以及神经生成器如何考虑特定任务的目标。事实上，每个文本生成任务都提出了略有不同的挑战(例如，在生成对话回合时如何考虑对话上下文，在总结文本时如何检测和合并相关信息，或者如何生成格式良好的文本，在数据到文本生成的情况下，正确地捕获某些输入数据中包含的信息)。我们概述了一些特定于这些任务的约束，并检查现有的神经模型如何解释它们。更一般地说，本书考虑了文本到文本、意义到文本和数据到文本的转换。它的目的是为观众提供文本生产的神经方法的基本知识和路线图，让他们开始相关的工作。这本书主要针对研究人员，研究生和工业感兴趣的文本生产从不同形式的输入。