Verbetering van Natural Language Generation: Een vergelijking van refererende expressies door mensen en computers

Abstract

Een onderdeel van Natural Language Generation (NLG) is het genereren van refererende expressies. Er bestaan verscheidene systemen met verschillende aanpakken om zulk soort expressies te genereren. In dit verslag worden deze verschillende manieren bekeken en vergeleken met de manier waarop mensen refererende expressies genereren. Mensen doen vaak aan overspecificatie en geven dus in hun refererende expressies meer informatie dan strikt noodzakelijk is om het object waar naar gerefereerd wordt te identificeren. Dit verslag stelt de vraag in hoeverre het wenselijk is dat NLG-systemen hun refererende expressies op dezelfde manier genereren als mensen dat doen. Om een antwoord op deze vraag te vinden wordt gekeken naar de manier waarop sprekers refererende expressies genereren, waarom ze dit op deze manier doen en of het beter zou zijn voor NLG-systemen om dit ook te doen of juist niet.