开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

时间对象的自然语言生成

是指将计算机中的时间数据转化为人类可以理解的自然语言表达形式。通过自然语言生成技术，可以将时间数据转化为易于理解和使用的语言描述，方便用户进行时间相关的操作和决策。

时间对象的自然语言生成可以应用于多个领域，例如日程管理、智能助手、语音交互等。在日程管理中，可以将时间对象转化为自然语言，帮助用户更方便地安排和管理日程。在智能助手中，可以通过自然语言生成技术，将时间数据转化为语言描述，提供更人性化的交互体验。在语音交互中，可以将时间对象转化为自然语言，实现与计算机的自然对话。

腾讯云提供了一系列与时间相关的产品和服务，包括云函数（Serverless）、云数据库（TencentDB）、人工智能（AI）等。云函数（Serverless）可以帮助开发者快速构建和部署无服务器应用，实现时间对象的自然语言生成功能。云数据库（TencentDB）提供了高可用、高性能的数据库服务，可以存储和管理时间数据。人工智能（AI）服务可以提供自然语言处理和生成的能力，帮助实现时间对象的自然语言生成。

更多关于腾讯云相关产品和服务的介绍，请访问腾讯云官方网站：https://cloud.tencent.com/

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

自然语言生成 – Natural-language generation | NLG

自然语言生成 – NLG 是 NLP 的重要组成部分。NLU 负责理解内容，NLG 负责生成内容。

04

「自然语言处理(NLP)」自然语言生成（NLG）资料整理

自然语言生成（NLG）作为自然语言处理的一个子方向，主要目的是降低人类和机器之间的沟通鸿沟，将非语言格式的数据转换成人类可以理解的语言格式。现在也受到广大研究学者的重视，今天ShuYini给大家整理了一下自然语言生成的相关资料供大家参考。

03

人工智能领域震惊！ChatGPT不仅可以回答问题，还能写小说？|小智ai

ChatGPT丨小智ai丨chatgpt丨人工智能丨OpenAI丨聊天机器人丨AI语音助手丨GPT-3.5丨开源AI平台

03

百度发布全新 NLG 训练模型 ERNIE-GEN，获 5 项 SOTA！

5月20日，百度ERNIE重磅发布全新的语言生成预训练模型ERNIE-GEN，解决自然语言处理领域“生成”方向的难题，让机器不但能“理解”人类的意思，还能完成更高阶的“表达”。这项工作在4类语言生成任务，5项国际权威英文数据集上均取得SOTA，被国际顶级AI学术会议IJCAI 2020收录。

02

[机器学习|理论&实践] 深度学习架构详解：循环神经网络（RNN）的应用

深度学习的迅猛发展使得各种神经网络架构得以涌现，其中之一就是循环神经网络（Recurrent Neural Network，简称RNN）。RNN具有处理序列数据的强大能力，被广泛应用于自然语言处理、时间序列分析等领域。本文将深入探讨RNN的基本原理、应用场景，并结合实例演示其在自然语言生成任务中的应用。

02

【ICML 2019】微软最新通用预训练模型MASS，超越BERT、GPT！

从 2018 年开始，预训练（pre-train）毫无疑问成为 NLP 领域最热的研究方向。

03

ICML 2019 | 序列到序列自然语言生成任务超越BERT、GPT！微软提出通用预训练模型MASS

编者按：从2018年开始，预训练（pre-train）毫无疑问成为NLP领域最热的研究方向。借助于BERT和GPT等预训练模型，人类在多个自然语言理解任务中取得了重大突破。然而，在序列到序列的自然语言生成任务中，目前主流预训练模型并没有取得显著效果。为此，微软亚洲研究院的研究员在ICML 2019上提出了一个全新的通用预训练方法MASS，在序列到序列的自然语言生成任务中全面超越BERT和GPT。在微软参加的WMT19机器翻译比赛中，MASS帮助中-英、英-立陶宛两个语言对取得了第一名的成绩。

05

[自然语言处理|NLP] 自然语言生成中的应用：从原理到实践

自然语言生成（NLG）是自然语言处理（NLP）领域中的一个引人注目的分支，它旨在使用计算机系统生成类似人类语言的文本。本文将深入探讨NLG的背景、应用、技术和未来发展方向，为读者提供对这一领域的全面了解。

00

详解自然语言处理5大语义分析技术及14类应用（建议收藏）

自然语言处理技术的研究，可以丰富计算机知识处理的研究内容，推动人工智能技术的发展。

01

2022年CCF-腾讯犀牛鸟基金课题介绍—知识图谱与自然语言处理&语音技术

CCF-腾讯犀牛鸟基金于2013年由腾讯公司和中国计算机学会（CCF）共同发起，今年是基金发起的第10年。10年来，犀牛鸟基金致力于为海内外青年学者搭建产学合作创新的平台，推动科技在产业创新和社会发展中持续发挥价值。本年度犀牛鸟基金设立12个技术领域共35项研究命题，我们将分7期对各项命题进行详细介绍，本文重点聚焦知识图谱与自然语言处理&语音技术领域，欢迎海内外优秀青年学者关注并申报。 6.知识图谱与自然语言处理 6.1 自然语言生成自然语言生成是指在特定的交互目标下，根据给定的输入信息生成人类可读的自

01

[自然语言处理|NLP] 对话系统：从原理到实践

自然语言处理（NLP）在对话系统领域的应用越来越广泛，为人机交互提供了更智能、更自然的体验。本文将深入研究NLP在对话系统中的原理，介绍常见的技术方法，并提供一个基于Python和现代NLP库的简单实例，帮助读者更好地理解和应用这一领域的知识。

NAACL 2019自然语言处理亮点

【导读】NAACL是自然语言处理领域的顶会，今年NAACL于6月2日至7日于Minneapolis,MN 召开，本文梳理了NAACL2019的亮点。

03

从语言学到深度学习NLP，一文概述自然语言处理

选自arXiv 机器之心编译参与：李亚洲、蒋思源本文从两篇论文出发先简要介绍了自然语言处理的基本分类和基本概念，再向读者展示了深度学习中的 NLP。这两篇论文都是很好的综述性入门论文，希望详细了解自然语言处理的读者可以进一步阅读这两篇论文。本文第一部分介绍了自然语言处理的基本概念，作者将 NLP 分为自然语言理解和自然语言生成，并解释了 NLP 过程的各个层级和应用，这一篇论文很适合读者系统的了解 NLP 的基本概念。第二部分描述的是基于深度学习的 NLP，该论文首先描述了深度学习中的词表征，即从

从语言学到深度学习NLP，一文概述自然语言处理

本文从两篇论文出发先简要介绍了自然语言处理的基本分类和基本概念，再向读者展示了深度学习中的 NLP。这两篇论文都是很好的综述性入门论文，希望详细了解自然语言处理的读者可以进一步阅读这两篇论文。首先第一部分介绍了自然语言处理的基本概念，作者将 NLP 分为自然语言理解和自然语言生成，并解释了 NLP 过程的各个层级和应用，这一篇论文很适合读者系统的了解 NLP 的基本概念。第二描述的是基于深度学习的 NLP，该论文首先描述了深度学习中的词表征，即从 one-hot 编码、词袋模型到词嵌入和 word2ve

05

自然语言处理-Natural language processing | NLP

在人工智能出现之前，机器智能处理结构化的数据（例如 Excel 里的数据）。但是网络中大部分的数据都是非结构化的，例如：文章、图片、音频、视频…

02

"自动作诗机"上线，代码和数据都是公开的

最近对自然语言生成或者文本自动生成技术比较感兴趣，做了一些调研，作为自然语言处理领域的难题之一，个人一直觉得自然语言生成（NLG）是最难的，虽然这一两年动辄会看机器模仿莎士比亚写剧本，模仿金庸写小说，这些不过是媒体用来吸引眼球的，总之这些字凑到一起看起来像模像样，但是读了之后不知所云。不过对于特定格式的文本，类似诗歌这种，如果不细究，从直观的角度来看确实还有点像那么回事，例如清华大学自然语言处理与社会人文计算实验室开发的九歌计算机诗词创作系统，还是很强大的：

05

超越BERT、GPT，微软提出通用预训练模型MASS

BERT通常只训练一个编码器用于自然语言理解，而GPT的语言模型通常是训练一个解码器。如果要将BERT或者GPT用于序列到序列的自然语言生成任务，通常只有分开预训练编码器和解码器，因此编码器-注意力-解码器结构没有被联合训练，记忆力机制也不会被预训练，而解码器对编码器的注意力机制在这类任务中非常重要，因此BERT和GPT在这类任务中只能达到次优效果。

04

ChatGPT-4提示工程

提示工程是一门精细的艺术，其目的是设计问题或陈述，也称为“提示”，以从人工智能（AI）模型中提取特定的回答。

01

用AI自动撰写临床试验报告，赛诺菲与Yseop扩大合作

2022年6月16日，世界领先的人工智能软件公司和自然语言处理先驱Yseop宣布，赛诺菲已选择与Yseop一起扩大其自然语言生成能力。赛诺菲将利用该平台加速其临床研究的提交过程，并将新疗法更快地带给患者。

02

AI自然语言处理(NLP)领域常用的16个术语

NLP研究的是实现人与计算机之间用自然语言进行有效沟通的各种理论与方法。本文整理了NLP领域常用的16个术语，希望可以帮助大家更好地理解这门学科。

01

深度解析|机器人，是如何写稿件的？

这篇题为“四川阿坝州九寨沟县发生7.0级地震”的消息约540字，配发了5张图片，内容包括速报参数、震中地形、热力人口、周边村镇、周边县区、历史地震、震中简介、震中天气8个方面，由机器自动编写，用时25

07

【AI 大模型】提示工程 ④ ( 自然语言处理 NLG | 自然语言理解 NLU | 自然语言生成 NLG | 使用提示词 + 大模型实现 NLU | 使用提示词 + 大模型实现 NLG )

自然语言处理 ( NLP , Natural Language Processing ) , 指的是 " 人工智能 “ " 理解 " 和 ” 生成 " 人类语言的能力 , 包括

01

专栏 | 深度学习在NLP中的运用？从分词、词性到机器翻译、对话系统

竹间智能专栏作者：自然语言与深度学习小组自然语言是人类知识的抽象浓缩表示，而自然语言理解是人工智能研究领域中极具挑战的一个分支。上次，《自然语言处理在 2017 年有哪些值得期待的发展？》中，我们已经讲到，2016 年是深度学习大潮冲击 NLP 的一年，通过去年一年的努力，深度学习在 NLP 领域已经站稳了脚跟。其中，对话交互系统已经成为一个重要的应用研究领域，2017 年的自然语言对话系统，将开创一个新的人机交互时代。通过深度学习和其他机器学习技术的模型组合，竹间智能也已初步实现了自然语言对话中

AI还有什么不会的？机器人写稿技术应用

摘要全球人工智能与机器人峰会CCF-GAIR大会上，嘉宾分享了机器写稿的背景和现状，对于未来，他认为机器写稿不光是在媒体行业，也会跟一些游戏行业和情报行业合作。不过，他认为让机器学会推理和归纳，写出真正的深度报道是最难的，但这也是下一步研究的目标。嘉宾演讲视频及PPT链接：http://t.cn/RnvWoea 机器写稿现状——国外机器写稿这件事几年前在国外已经开始了。国外成立了多家知名公司，如ARRIA、AI、NARRATIVESCIENCE等。核心技术为自然语言生成引擎，主要应用于天气预报、空气质

05

最新！NLG顶会INLG2021最佳长论文出炉！一作华人学生代表出席今晚INLG

周杰伦三词作曲，曹植七步成诗。近年来，约束文本生成任务（在特定前提条件下生成自然语言输出）引起越来越多人的兴趣。

01

自然语言生成的演变史

【导读】自科幻电影诞生以来，社会一直对人工智能着迷。每当我们听到“AI”一词时，我们的第一个想法通常是电影中的未来机器人，如终结者和黑客帝国。尽管我们距离可以自己思考的机器人还有几年的时间，但在过去几年中，机器学习和自然语言理解领域已经取得了重大进展。个人助理（Siri / Alexa），聊天机器人和问答机器人等应用程序真正彻底改变了我们与机器和开展日常生活的方式。自然语言理解（NLU）和自然语言生成（NLG）是人工智能发展最快的应用之一，因为人们越来越需要理解和从语言中获得意义，其中含有大量含糊不清的结构。根据Gartner的说法，“到2019年，自然语言生成将成为90％的现代BI和分析平台的标准功能”。在这篇文章中，我们将讨论NLG成立初期的简短历史，以及它在未来几年的发展方向。

03

登顶GLUE的百度ERNIE再突破：语言生成预训练模型ERNIE-GEN刷新SOTA

过去一年，百度提出的 ERNIE 通过持续学习海量数据中的知识在中英文十六个自然语言理解任务上取得领先效果，并在去年 12 月登顶权威评测榜单 GLUE 榜首。ERNIE 在工业界也得到了大规模应用，如搜索引擎、新闻推荐、广告系统、语音交互、智能客服等。今日，研究团队又在自然语言生成任务上实现新的突破。

02

Meta 宣布 CAIRaoke 项目：通过在对话式人工智能方面的突破打造未来语音助手

作者 | Alborz Geramifard 译者 | Sambodhi 策划 | 赵钰莹如果我们能够用自然的对话方式和人工智能助手进行交流，就如同我们和人类的交流，那么我们的生活将会变得更加方便。然而，不管我们是用语音还是文字进行交流，今天的语音助手都不能让人印象深刻。为了实现这一目标，我们非常荣幸地向大家宣布 CAIRaoke 项目。我们已经开发出一种端到端的神经模型，它能支持更加个性化和上下文的对话。我们已经将 CAIRaoke 项目所生成的模型应用到我们的产品 Portal，目的是将其

02

北邮张庆恒：如何基于 rasa 搭建一个中文对话系统（有源码视频）| 分享总结

对话系统是自然语言处理的一个热门话题，而自然语言理解则是对话系统的关键组成部分，现有的很多自然语言理解工具往往以服务的方式获取（Google 的 API.ai, Facebook 的 Wit.ai 等），使用这些服务往往需要向服务提供商提供自己的数据，并且根据自己业务调试模型很不方便。本文为大家介绍了一种新方法，即如何基于 rasa 搭建一个中文对话系统。在近期 AI 研习社举办的线上免费公开课上，来自北京邮电大学网络技术研究院的张庆恒分享了基于 rasa nlu 构建自己的自然语言理解工具，并结合 r

08

什么是自然语言处理?#NLP系列课01

自然语言处理横跨：计算机科学、语言学、人工智能等学科，是计算机科学与语言学的交叉学科，又常被称为计算语言学。

01

自然语言生成加速药物审批｜Yseop与礼来达成战略合作

这项独特的合作包括Yseop和礼来之间的长期商业和投资协议，这是自然语言生成方面的行业首创。

02

AIGC：AI写作实践

结构化数据：指可以按某种数据结构组织的数据，比如字母、数字、货币、日期非结构化数据：指没有按照预定义的方式组织或缺少特定数据模型的数据，比如文章、演示文稿、电子邮件、日志等结构化数据易于处理，传统计算机可以代替人工高速处理这类结构化数据。然而实际上大多数数据都是非结构化的，而且非结构化数据比结构化数据具有更大的信息量。在人工智能出现后，对非结构化数据的处理进行了探索，并取得了一定成效。

01

你给需求文档，AI就能帮你开发安卓App

就有一个叫做Text2App的“AI”，你“喂”给它一串文字需求，它就能直接给你“消化”成安卓应用！

04

170亿参数加持，微软发布史上最大Transformer模型

BERT和GPT-2之类的深度学习语言模型（language model, LM）有数十亿的参数，互联网上几乎所有的文本都已经参与了该模型的训练，它们提升了几乎所有自然语言处理（NLP）任务的技术水平，包括问题解答、对话机器人和文档理解等。

02

人工智能影响企业运行的四大发现

作者： Narrative Science 译者：机器之心人工智能并非新鲜事，它数十年前就已经存在了。但人工智能技术由于数据的扩增以及在存储、追踪以及分析技术上的投资，近来才有所进展。例如，仅 2014 - 2015 年间，部署或者使用数据驱动项目的公司增加了 125%，企业花费在此的金额平均为 1380 万美金。市场情报公司 IDC 也表示，到 2019 年，大数据技术与服务市场将达到 486 亿美元。越来越容易获取的大量丰富数据结合与“智能机器”

NeurIPS 2019 | 既能理解又能生成自然语言，微软提出统一预训练新模型UniLM

在 10 月 20 号的世界互联网大会中，微软之前提出来的「统一预训练语言模型与机器阅读理解技术」荣获「世界互联网领先科技成果」奖，沈向洋博士在会上介绍了这一模型。

02

零基础入门深度学习（十二）：自然语言处理的变迁

本课程是百度官方开设的零基础入门深度学习课程，主要面向没有深度学习技术基础或者基础薄弱的同学，帮助大家在深度学习领域实现从0到1+的跨越。从本课程大纲为：

02

万小军：情感文本生成的研究与应用

本次报告的主题是情感文本生成，先从自然语言生成技术的应用与需求开始讲起，引出情感表达型文本生成问题，从评论生成、情感对话、反讽生成、情感转换以及多模态情感生成这几个方面介绍了目前情感文本生成的研究进展。

02

自然语言处理(NLP)——简介

自然语言处理（NLP Natural Language Processing）是一种专业分析人类语言的人工智能。就是在机器语⾔和⼈类语言之间沟通的桥梁，以实现人机交流的目的。在人工智能出现之前，机器智能处理结构化的数据（例如Excel里的数据）。但是网络中大部分的数据都是非结构化的，例如：文章、图片、音频、视频... 在非结构数据中，文本的数量是最多的，他虽然没有图片和视频占用的空间大，但是他的信息量是最大的。为了能够分析和利用这些文本信息，我们就需要利用NLP技术，让机器理解这些文本信息，并加以利用。

06

NAACL 2019 | 怎样生成语言才能更自然，斯坦福提出超越Perplexity的评估新方法

困惑度是评估生成语言是否「自然」的最常见标准，它的值越小，则表示模型生成的句子越接近人类语言。但是这种基于统计的方法并不能很好地评估生成质量，因此本文提出一种新的评估方式 HUSE，它为自然语言生成提供了结合人类和统计评估的新架构。

02

NLP与GPT联合碰撞：大模型与小模型联合发力

它们的联合碰撞结果是大模型与小模型联合发力，是因为大模型可以提供更好的语言理解和生成能力，而小模型则可以更快地进行推理和预测。

04

每日论文速递 | 【ICLR'24 Oral】LoftQ: 更好地将LLM量化与LoRA微调结合

摘要：量化是为服务大语言模型（LLMs）不可或缺的技术，最近已经应用到LoRA微调中。在这项工作中，我们关注的是在一个预训练模型上同时应用量化和LoRA微调的情景。在这种情况下，通常会观察到在下游任务性能上的一致差距，即在完全微调和量化加LoRA微调方法之间。为了应对这一问题，我们提出了LoftQ（LoRA微调感知量化），这是一个新颖的量化框架，可以同时对LLM进行量化并找到LoRA微调的适当低秩初始化。这种初始化缓解了量化和全精度模型之间的差异，并显著提高了在下游任务中的泛化性能。我们在自然语言理解、问答、摘要和自然语言生成任务上评估了我们的方法。实验证明我们的方法非常有效，并在具有挑战性的2比特和2/4比特混合精度区域中优于现有的量化方法。

01

学界 | 超越 BERT 和 GPT，微软亚洲研究院开源新模型 MASS！

AI 科技评论按：自 2018 年以来，预训练无疑是自然语言处理（NLP）领域中最热门的研究课题之一。通过利用 BERT、GPT 和 XLNet 等通用语言模型，该领域的研究者们在自然语言理解方面已经取得了许多重大的突破。然而，对于序列到序列的自然语言生成任务，这些主流的预训练方法并没有带来显著的改进，对此，微软亚洲研究院提出了一个全新的通用预训练方法——MASS，在该任务中可以得到比 BERT 和 GPT 更好的效果。

02

SFFAI分享 | 周龙：同步双向文本生成【附PPT与视频资料】

基于双向编码的BERT在11项自然语言理解任务上取得了惊人的效果，而目前主流的自然语言生成任务（包括机器翻译，自动摘要等）仍然采用单向解码，即从左到右依次产生目标文本。基于此，我们实现了两大突破：

01

《基于混合方法的自然语言处理》译者序

随着智能音箱走进千家万户，基于人工智能的产品与服务切实地来到了我们的身边。我们对智能音箱说话，问天气，定闹钟，听音乐，交流是如此的自然，这就是人工智能给我们带来的便利。

02

人工智能与自然语言处理概述：AI三大阶段、NLP关键应用领域

AI 指代「人工智能」，是让机器能够像人类一样完成智能任务的技术。AI 使用智能完成自动化任务。

03

Baidu Comate 智能编码助手：编程新伙伴，效率新飞跃

在这个信息爆炸的时代，编程已经成为了我们生活的重要组成部分。而在这个充满挑战的领域里，有一个强大的助手正在崭露头角，那就是Baidu Comate智能编码助手。这款全新的AI工具，以其独特的功能，为程序员们带来了前所未有的便利。它的出现，不仅大大提高了编程效率，也极大地解放了程序员们的创造力。Baidu Comate智能编码助手的出现，无疑对整个程序员社区产生了深远的影响。它使得编程不再是枯燥无味的任务，而是一种富有创新和乐趣的挑战。让我们一同期待，AI辅助编程将如何改变我们的世界。

01

人工智能与自然语言处理概述：AI三大阶段、NLP关键应用领域

选自xenonstack 机器之心编译参与：黄小天、李亚洲近日，Xenonstack 上推出了一篇名为《Overview of Artificial Intelligence and Role of Natural Language Processing in Big Data》文章，作者为 Jagreet Kaur，其全面概述了人工智能及其各个细分领域的状况，并着重介绍了大数据和自然语言处理的发展，对自然语言处理在大数据中扮演的角色作了探讨。机器之心对文章进行了编译，原文链接附于文末。人工智能概

08

ChatGPT：打破语言障碍，促进跨文化交流丨小智ai

随着全球化和数字化时代的到来，跨文化交流已经成为我们生活和工作中不可或缺的一部分。然而，语言障碍仍然是一个严重的问题，阻碍了人们之间的交流和理解。这时，人工智能技术就可以帮助我们打破语言障碍，促进跨文化交流。其中，自然语言处理技术中的ChatGPT是一项十分重要的技术，它可以生成自然语言文本，并被广泛应用于在线翻译、语音转写和语音合成等领域。

01

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭