신경 자연어 생성: 다국어, 다중 모달리티, 제어 가능성 및 학습에 대한 조사

자연어를 이해하고 생성할 수 있는 인공지능 학습 시스템을 개발하는 것은 인공지능의 오랜 목표 중 하나였습니다. 최근 수십 년 동안 이 두 문제 모두에서 인상적인 발전이 있었으며, 새로운 접근 방식의 가족이 등장하게 되었습니다. 특히, 지난 몇 년 동안의 딥 러닝 발전은 자연어 생성(NLG)에 대한 신경 접근 방식으로 이어졌습니다. 이러한 방법은 생성적 언어 학습 기술과 신경망 기반 프레임워크를 결합합니다. 자연어 처리에서 널리 응용되고 있는 신경 NLG(NNLG)는 빠르게 성장하는 연구 분야입니다. 이 최첨단 보고서에서는 NNLG의 최근 발전 및 응용을 다차원적인 관점에서 전체적으로 조사하며, 다중 모달리티, 다국어, 제어 가능성 및 학습 전략과 같은 중요한 관점을 다룹니다. 이러한 측면에서 NNLG 접근 방식의 기본 구성 요소를 요약하고 일반적으로 사용되는 전처리 단계 및 기본 신경 구조에 대한 자세한 리뷰를 제공합니다. 이 보고서는 또한 기계 번역, 설명 생성, 자동 음성 인식, 추상적 요약, 텍스트 단순화, 질문 응답 및 생성, 대화 생성과 같은 이러한 NNLG 모델의 주요 응용에 중점을 둡니다. 마지막으로, 설명된 프레임워크에 대한 철저한 논의를 통해 몇 가지 열린 연구 방향을 제시하며 결론을 맺습니다.