Die Landschaft der Erzeugung natürlicher Sprache

Die kommerzielle Anwendung der Natural Language Generation (NLG) steckt noch in den Kinderschuhen. Im Gegensatz zum überfüllten Martech-Umfeld ist die NLG-Landschaft mit über 7.000 Teilnehmern sehr spärlich. In diesem Beitrag betrachten wir Organisationen, die NLG verwenden, um sowohl Lang- als auch Kurzforminhalte zu erstellen, Erzählungen aus strukturierten Daten zu erstellen und Text in Sprache umzuwandeln.

Langform-Content-Generierung (750+ Wörter)

Die MarketMuseNLG-Technologie ist die erste und einzige Plattform, die Langform-Inhalte anbietet, die mit der Generierung natürlicher Sprache erstellt wurden. Wir generieren Langtext mit Hilfe von neuronalen Deep-Learning-Netzen und MarketMuse Content Briefs.

Diese MarketMuse Content Briefs sind genau die gleichen, die menschlichen Autoren gegeben werden, um ihnen zu helfen, bessere Inhalte zu erstellen. Die Briefings bieten einen detaillierten Rahmen für die Erstellung von Inhalten. Mit ihren Themen, Fragen und Untertiteln bieten MarketMuse Content Briefs Kontext für die NLG-Engine, um relevanten Text zu generieren.

Das Ergebnis ist ein erster Inhaltsentwurf, der alle wesentlichen KPIs erfüllt und nur minimale Bearbeitung erfordert.

Texterstellung (weniger als 750 Wörter)

Für unseren Zweck definieren wir weniger als 750 Wörter als einfache Textgenerierung. Es gibt bestimmte Situationen, in denen eine kürzere Form der Erzählung angemessener ist – zum Beispiel E-Mail- und Web-Copywriting.

Zwei Angebote fallen in diese Kategorie, obwohl ihre Zwecke radikal unterschiedlich sind.

Articoolo richtet sich an Verlage, die Website-Artikel mit bis zu 500 Wörtern benötigen. Benötigt wird lediglich ein Thema mit zwei bis fünf Wörtern und der gewünschten Wortzahl. Der Wert solcher kurzen und oberflächlichen Artikel ist zwar ermutigend, aber begrenzt.

Phrasee hat hervorragende Arbeit geleistet, indem es seine Produktangebote auf bestimmte Anwendungsfälle zugeschnitten hat, die kurze Texte erfordern. Dies sind hochwertige Situationen, die von wirkungsvollen und prägnanten Texten profitieren.

Phrasee Email wird für E-Mail-Betreffzeilen, Preheader, Überschriften, Untertitelkopien und Handlungsaufforderungen verwendet. Phrasee Push wird für mobile App-Push-Nachrichten verwendet. Phrasee Social wird zum Erstellen von Facebook- und Instagram-Nachrichten verwendet, während Phrasee Everywhere bei AdWord, Zielseiten und Anzeigentexten hilft.

Artikel Rewriter und Mixer

Die primitivste Form der computergestützten Artikelgenerierung ist das Umschreiben von Artikeln, auch als Artikelspinnen bekannt. SEOs, die seit über zehn Jahren existieren, verwenden Artikel-Spinner, um schnell riesige Mengen an Inhalten von geringer Qualität für die Verknüpfung von Netzwerken zu produzieren.

Dies ist keine Generierung natürlicher Sprache.

Menschen besuchen selten diese Seiten oder lesen diese Seiten. Dies sind Blog-Netzwerke, die darauf ausgelegt sind, den Google PageRank auszunutzen, damit bestimmte Seiten bei der Suche einen guten Rang einnehmen können.

Die Prämisse des Artikelspinnens ist einfach. Nehmen Sie einen Originaltext und ersetzen Sie ihn durch andere Wörter, um eine neue Version zu erstellen. Frühe Versuche litten unter schlechter Wortwahl bei der Auswahl von Substitutionen.

Hier ist der obige Absatz, der durch einen Artikelspinner läuft.

„Der Grund für das Umschreiben von Text ist einfach. Nehmen Sie einen einzigartigen Inhalt und ersetzen Sie verschiedene Wörter, um neue einzigartige Inhalte zu erstellen. Frühe Versuche erlebten schlechte Wortentscheidungen bei der Auswahl von Substitutionen.“

Obwohl es grammatikalisch korrekt ist, ist es umständlich. Die Verbesserungen mit diesem Ansatz waren bisher minimal. Einige verwenden Googles Natural Language Processing API, um Syntaxanalysen durchzuführen, Wortarten (PoS) zu identifizieren und Tokens und Sätze zu extrahieren. Die Qualität der Produktion ist jedoch weiterhin schwach, und der Zielmarkt für diese Produkte bleibt derselbe.

Einige Unternehmen, die in diesem Bereich tätig sind, sind WordAi, SEO Article Generator, AI Spinner und Chimp Rewriter. Zweifellos gibt es noch viele mehr, aber keiner von ihnen ist gut. Obwohl sie versuchen, sich als solche zu positionieren, haben diese Produkte wenig mit künstlicher Intelligenz oder Verarbeitung natürlicher Sprache zu tun.

Artikelmixer sind eine weitere Klasse von Inhaltsgeneratoren, die wenig mit der Generierung natürlicher Sprache zu tun haben, ungeachtet dessen, wie sie vermarktet werden. Wie der Name schon sagt, beinhaltet das Mischen von Artikeln das Mischen von Sätzen von themenbezogenen Seiten, das Verweben dieser in eine Erzählung und das Ersetzen bestimmter Phrasen durch Synonyme.

Hier gibt es Probleme sowohl auf der Makro- als auch auf der Mikroebene. Diese Stücke haben keine wirkliche Gesamtstruktur. Selbst auf Satzebene wirken die getroffenen Entscheidungen etwas willkürlich.

Zwei Unternehmen, deren Produkte in die Kategorie Artikelmischung passen, sind Article Forge und AI Writer.

Strukturierte Datenerzählung

Anwendungen in dieser Kategorie verwenden Sätze hochstrukturierter Daten und verwandeln sie in eine Erzählung. The Associated Press produziert mit Hilfe künstlicher Intelligenz vierteljährlich fast 4.000 Artikel über Unternehmensgewinne. E-Commerce-Websites können mit dieser Methode auch Produktbeschreibungen, Kategoriegeschichten und Newsletter erstellen.

Es gibt zahlreiche Anwendungsfälle für diesen Ansatz, solange Sie über die strukturierten Daten verfügen, die ihn unterstützen. Das ist der entscheidende Faktor, damit dies in großem Maßstab funktioniert. Im Beispiel des Einkommensberichts ist die Gesamtgeschichte ziemlich einfach und ändert sich nie. Was jede Geschichte anders macht, sind die Variablen. Hier ist ein Beispiel für einen Apple-Gewinnbericht von Associated Press.

Hier sind einige Marken, die in diesem Bereich tätig sind:

• Wortschmied
• Feder
• AX-Semantik
• Arria
• YSEOP
• textengine.io
• vPhrase
• Spezifisch
• Ginni
• CREWmachine

Diese Plattformen verwenden entweder einen vorlagenbasierten Ansatz oder erstellen Dokumente dynamisch. Am einfachsten ist ein Gap-Fill-Ansatz, bei dem Daten in die Lücken innerhalb der Vorlage gefüllt werden.

Web-Template-Sprachen, Skripte oder regelerzeugender Text sind ein Fortschritt gegenüber dem einfachen Füllen von Lücken. Aber ohne ausgefeilte linguistische Fähigkeiten hat es Schwierigkeiten, qualitativ hochwertigen Text zu generieren.

Grammatikfunktionen auf Wortebene machen es relativ einfacher, komplexe Vorlagen zu schreiben, da sie Orthographie, Morphologie, Morphophonologie und ihre Ausnahmen behandeln können. Aber lassen Sie sich nicht täuschen, die Generierung qualitativ hochwertiger Ergebnisse auf diese Weise bleibt eine große Herausforderung.

Text zu Sprache

Text-to-Speech wandelt geschriebenen Text in natürlich klingende Audiodaten in einer Vielzahl von Sprachen um. Sie können in der Interaktion mit Chatbots und Sprachassistenten verwendet werden, digitale E-Books in Hörbücher verwandeln und mit Navigationssystemen im Auto interagieren.

In letzter Zeit verwenden Unternehmen tiefe neuronale Netze, um Sprache zu synthetisieren, die nahezu identisch mit menschlichen Aufnahmen ist. Menschenähnliche Sprachmuster, Intonation und Artikulation reduzieren die Hörermüdung bei der Interaktion mit KI-Systemen erheblich.

Eine Handvoll namhafter Organisationen dominiert diesen Bereich:

• IBM Watson
• Microsoft
• Amazon Polly
• Google

Zusammenfassung

In den letzten Jahren hat sich die Generierung natürlicher Sprache hauptsächlich auf Text-to-Speech und die Generierung von Erzählungen aus hochstrukturierten Daten konzentriert. Mit der MarketMuse NLG-Technologie können Vermarkter jetzt NLG nutzen, um Inhalte in Langform zu produzieren.