مشهد توليد اللغة الطبيعية

لا يزال التطبيق التجاري لتوليد اللغة الطبيعية (NLG) في مهده. على عكس البيئة العسكرية المزدحمة ، مع أكثر من 7000 مشارك ، فإن مشهد NLG متناثر للغاية. في هذا المنشور ، ننظر إلى المؤسسات التي تستخدم NLG لصياغة محتوى طويل وقصير ، وإنشاء روايات من البيانات المنظمة ، وتحويل النص إلى كلام.

إنشاء محتوى طويل (أكثر من 750 كلمة)

MarketMuseNLG Technology هي المنصة الأولى والوحيدة التي تقدم محتوى طويل الشكل تم إنشاؤه باستخدام توليد اللغة الطبيعية. نقوم بإنشاء نص طويل بمساعدة الشبكات العصبية للتعلم العميق بالإضافة إلى ملخصات محتوى MarketMuse.

ملخصات محتوى MarketMuse هذه هي نفسها التي يتم تقديمها إلى الكتاب البشريين لمساعدتهم على صياغة محتوى أفضل. توفر الملخصات إطارًا مفصلاً يمكن من خلاله إنشاء المحتوى. توفر ملخصات محتوى MarketMuse ، من خلال الموضوعات والأسئلة والعناوين الفرعية ، سياقًا لمحرك NLG لإنشاء نص ذي صلة.

والنتيجة هي مسودة أولية للمحتوى تصل إلى جميع مؤشرات الأداء الرئيسية الأساسية بينما تتطلب الحد الأدنى من التحرير.

إنشاء نص (أقل من 750 كلمة)

لغرضنا ، نحن نحدد أي شيء أقل من 750 كلمة على أنه إنشاء نص بسيط. هناك بعض المواقف التي يكون فيها السرد الأقصر أكثر ملاءمة - البريد الإلكتروني وكتابة الإعلانات على الويب ، على سبيل المثال.

يندرج عرضان في هذه الفئة ، على الرغم من اختلاف أغراضهما اختلافًا جذريًا.

يهدف Articoolo إلى الناشرين الذين يحتاجون إلى مقالات على مواقع الويب تصل إلى 500 كلمة. كل ما هو مطلوب هو موضوع من كلمتين إلى خمس كلمات وعدد الكلمات المطلوب. مع التشجيع ، فإن قيمة مثل هذه المقالات القصيرة والسطحية محدودة.

قامت Phrasee بعمل ممتاز في تصميم عروض منتجاتها لحالات استخدام محددة تتطلب نصًا قصير الطول. هذه مواقف ذات قيمة عالية تستفيد من نسخ عالية التأثير وموجزة.

يتم استخدام Phrasee Email لسطر موضوع البريد الإلكتروني والعناوين الرئيسية والعناوين الفرعية ونسخ العنوان الفرعي والعبارات التي تحث المستخدم على اتخاذ إجراء. يتم استخدام Phrasee Push لرسائل دفع تطبيقات الجوال. يستخدم Phrasee Social لصياغة رسائل Facebook و Instagram بينما يساعد Phrasee Everywhere في AdWord والصفحة المقصودة وعرض نسخة الإعلان.

مقالةون وخلاطات المادة

الشكل الأكثر بدائية لإنشاء المقالات بمساعدة الكمبيوتر هو إعادة كتابة المقالة ، والمعروف أيضًا باسم الغزل. في الوجود لأكثر من عشر سنوات ، تستخدم مُحسّنات محرّكات البحث المواد الدوارة لإنتاج كميات هائلة من المحتوى منخفض الجودة بسرعة لربط الشبكات.

هذا ليس توليد لغة طبيعية.

نادرًا ما يزور البشر هذه المواقع أو يقرأون هذه الصفحات. هذه هي شبكات المدونات المصممة لاستغلال Google PageRank بحيث يمكن أن تحصل صفحات معينة على ترتيب جيد في البحث.

فرضية الغزل بسيطة. خذ نصًا أصليًا واستبدله بكلمات مختلفة لإنشاء نسخة جديدة. عانت المحاولات المبكرة من سوء اختيار الكلمات عند اختيار البدائل.

ها هي الفقرة أعلاه ، قم بتشغيلها من خلال زر زيادة في المقالة.

"سبب إعادة كتابة النص واضح ومباشر. خذ جزءًا فريدًا من المحتوى واستبدل الكلمات المختلفة لإنشاء محتوى فريد جديد. شهدت المساعي المبكرة قرارًا سيئًا بالكلمات أثناء اختيار البدائل ".

على الرغم من أنه صحيح نحويًا ، إلا أنه محرج. كانت التحسينات باستخدام هذا النهج ضئيلة حتى الآن. يستخدم البعض واجهة برمجة تطبيقات معالجة اللغة الطبيعية من Google لإجراء تحليل بناء الجملة وتحديد أجزاء من الكلام (PoS) واستخراج الرموز والجمل. ومع ذلك ، لا تزال جودة الإنتاج ضعيفة ، ويظل السوق المستهدف لهذه المنتجات كما هو.

بعض الشركات التي تعمل في هذا المجال تشمل WordAi و SEO Article Generator و AI Spinner و Chimp Rewriter. لا شك أن هناك الكثير ، لكن لا أحد منهم جيد. على الرغم من أنهم قد يحاولون وضع أنفسهم على هذا النحو ، إلا أن هذه المنتجات لا علاقة لها بالذكاء الاصطناعي أو معالجة اللغة الطبيعية.

تعد أدوات مزج المقالات فئة أخرى من منشئ المحتوى لا علاقة لها بتوليد اللغة الطبيعية ، على الرغم من كيفية تسويقها. كما يوحي الاسم ، يتضمن خلط المقالات خلط الجمل من الصفحات ذات الصلة بالموضوع ونسجها في سرد ​​واستبدال عبارات محددة باستخدام المرادفات.

توجد قضايا هنا على المستويين الكلي والجزئي. لا يوجد هيكل شامل حقيقي لهذه القطع. حتى على مستوى الجملة ، تبدو الاختيارات التي تم اتخاذها تعسفية إلى حد ما.

شركتان تتناسب منتجاتهما مع فئة خلط المقالات هما Article Forge و AI Writer.

سرد البيانات المنظمة

تأخذ التطبيقات في هذه الفئة مجموعات من البيانات عالية التنظيم وتحولها إلى سرد. تنتج وكالة Associated Press ما يقرب من 4000 مقال عن أرباح الشركة كل ثلاثة أشهر بمساعدة الذكاء الاصطناعي. يمكن لمواقع التجارة الإلكترونية أيضًا إنشاء أوصاف المنتجات وقصص الفئات والرسائل الإخبارية باستخدام هذه الطريقة.

هناك العديد من حالات الاستخدام لهذا الأسلوب ، طالما أن لديك البيانات المنظمة لدعمها. هذا هو العامل الحاسم في جعل هذا العمل على نطاق واسع. في مثال تقرير الأرباح ، القصة الإجمالية بسيطة للغاية ولا تتغير أبدًا. ما يجعل كل قصة مختلفة هي المتغيرات. فيما يلي مثال على تقرير أرباح Apple من Associated Press.

فيما يلي بعض العلامات التجارية العاملة في هذا المجال:

• وردسميث
• ريشة
• AX دلالات
• أريا
• YSEOP
• textengine.io
• vPhrase
• سبيسيفيكيو
• جيني
• آلة CREW

تستخدم هذه الأنظمة الأساسية إما نهجًا قائمًا على القالب أو إنشاء مستندات ديناميكيًا. أبسط نهج هو نهج ملء الفراغ حيث يتم ملء البيانات في الفجوات داخل القالب.

تعد لغات قوالب الويب أو النصوص البرمجية أو النصوص المنتجة للقواعد خطوة للأمام من مجرد سد فجوة بسيطة. ولكن بدون قدرات لغوية متطورة ، فإنها تكافح من أجل إنشاء نص عالي الجودة.

تجعل الوظائف النحوية على مستوى الكلمات من الأسهل نسبيًا كتابة قوالب معقدة حيث يمكنها التعامل مع قواعد الإملاء والصرف والتشكيلات واستثناءاتها. لكن لا تخطئ ، فإن إنتاج مخرجات عالية الجودة بهذه الطريقة لا يزال يمثل تحديًا كبيرًا.

النص إلى الكلام

تحويل النص إلى كلام النص المكتوب إلى صوت طبيعي في مجموعة متنوعة من اللغات. يمكن استخدامها في chatbot وتفاعل المساعد الصوتي ، وتحويل الكتب الإلكترونية الرقمية إلى كتب صوتية والتفاعل مع أنظمة الملاحة داخل السيارة.

في الآونة الأخيرة ، استخدمت الشركات شبكات عصبية عميقة لتركيب كلام مطابق تقريبًا للتسجيلات البشرية. تقلل أنماط الكلام الشبيهة بالبشر ، والنغمات ، والتعبير إلى حد كبير من إجهاد الاستماع عند التفاعل مع أنظمة الذكاء الاصطناعي.

يهيمن عدد قليل من المنظمات المعروفة على هذا المجال:

• آي بي إم واتسون
• مايكروسوفت
• أمازون بولي
• جوجل

ملخص

في العامين الماضيين ، ركز توليد اللغة الطبيعية بشكل أساسي على تحويل النص إلى كلام وإنشاء روايات من بيانات عالية التنظيم. باستخدام MarketMuse NLG Technology ، يمكن للمسوقين الآن الاستفادة من NLG لإنتاج محتوى طويل الشكل.