Lanskap Generasi Bahasa Alami

Aplikasi komersial generasi bahasa alami (NLG) masih dalam tahap awal. Berbeda dengan lingkungan martech yang ramai, dengan lebih dari 7.000 peserta, lanskap NLG sangat jarang. Dalam posting ini, kami melihat organisasi yang menggunakan NLG untuk membuat konten panjang dan pendek, membuat narasi dari data terstruktur, dan mengonversi teks menjadi ucapan.

Pembuatan Konten Bentuk Panjang (750+ kata)

Teknologi MarketMuseNLG adalah platform pertama dan satu-satunya yang menawarkan konten berdurasi panjang yang dibuat menggunakan generasi bahasa alami. Kami menghasilkan teks bentuk panjang dengan bantuan jaringan saraf pembelajaran mendalam ditambah Ringkasan Konten MarketMuse.

Ringkasan Konten MarketMuse ini sama persis dengan yang diberikan kepada penulis manusia untuk membantu mereka membuat konten yang lebih baik. Brifing memberikan kerangka kerja terperinci untuk membuat konten. Dengan topik, pertanyaan, dan subtitel mereka, Ringkasan Konten MarketMuse menyediakan konteks bagi mesin NLG untuk menghasilkan teks yang relevan.

Hasilnya adalah draf awal konten yang menyentuh semua KPI penting dengan sedikit pengeditan.

Pembuatan Teks (kurang dari 750 kata)

Untuk tujuan kami, kami mendefinisikan apa pun yang kurang dari 750 kata sebagai pembuatan teks sederhana. Ada situasi tertentu di mana narasi bentuk yang lebih pendek lebih sesuai – email dan copywriting web, misalnya.

Dua persembahan termasuk dalam kategori ini, meskipun tujuannya sangat berbeda.

Articoolo ditujukan untuk penerbit yang membutuhkan artikel website hingga 500 kata. Yang diperlukan hanyalah topik yang terdiri dari dua hingga lima kata dan jumlah kata yang diinginkan. Meskipun membesarkan hati, nilai artikel pendek dan dangkal seperti itu terbatas.

Phrasee telah melakukan pekerjaan yang sangat baik dalam menyesuaikan penawaran produknya untuk kasus penggunaan khusus yang membutuhkan teks yang pendek. Ini adalah situasi bernilai tinggi yang mendapat manfaat dari salinan yang ringkas dan berdampak tinggi.

Frase Email digunakan untuk baris subjek email, preheader, headline, salinan subhead, dan ajakan bertindak. Phrasee Push digunakan untuk pesan push aplikasi seluler. Phrasee Social digunakan untuk membuat pesan Facebook dan Instagram sementara Phrasee Everywhere membantu dengan AdWord, halaman arahan, dan menampilkan salinan iklan.

Penulis Ulang Artikel dan Mixer

Bentuk paling primitif dari pembuatan artikel dengan bantuan komputer adalah penulisan ulang artikel, juga dikenal sebagai pemintalan artikel. Sudah ada selama lebih dari sepuluh tahun, SEO menggunakan pemintal artikel untuk dengan cepat menghasilkan sejumlah besar konten berkualitas rendah untuk menghubungkan jaringan.

Ini bukan generasi bahasa alami.

Manusia jarang mengunjungi situs-situs ini atau membaca halaman-halaman ini. Ini adalah jaringan blog yang dirancang untuk mengeksploitasi Google PageRank sehingga halaman tertentu dapat berperingkat baik dalam pencarian.

Premis pemintalan artikel sederhana. Ambil sepotong teks asli dan ganti kata-kata yang berbeda untuk membuat versi baru. Upaya awal menderita pilihan kata yang buruk saat memilih substitusi.

Berikut paragraf di atas, dijalankan melalui pemintal artikel.

“Alasan penulisan ulang teks sangat mudah. Ambil sedikit konten unik dan ganti berbagai kata untuk membuat konten unik baru. Upaya awal mengalami keputusan kata yang buruk saat memilih substitusi. ”

Meskipun secara tata bahasa benar, itu canggung. Perbaikan menggunakan pendekatan ini sejauh ini sangat minim. Beberapa memang menggunakan API Pemrosesan Bahasa Alami Google untuk melakukan analisis sintaksis, mengidentifikasi bagian ucapan (PoS) dan mengekstrak token dan kalimat. Namun, kualitas output terus melemah, dan target pasar untuk produk ini tetap sama.

Beberapa perusahaan yang bekerja di bidang ini termasuk WordAi, SEO Article Generator, AI Spinner, dan Chimp Rewriter. Tidak diragukan lagi, ada banyak lagi, tetapi tidak ada yang bagus. Meskipun mereka mungkin mencoba memposisikan diri seperti itu, produk ini tidak ada hubungannya dengan kecerdasan buatan atau pemrosesan bahasa alami.

Mixer artikel adalah kelas lain dari pembuat konten yang tidak ada hubungannya dengan pembuatan bahasa alami, terlepas dari bagaimana mereka dapat dipasarkan. Sesuai dengan namanya, artikel pencampuran melibatkan pencampuran kalimat dari halaman terkait topikal, menjalinnya menjadi sebuah narasi, dan mengganti frase tertentu menggunakan sinonim.

Ada masalah di sini baik di tingkat makro maupun mikro. Tidak ada struktur keseluruhan yang nyata untuk potongan-potongan ini. Bahkan pada tingkat kalimat, pilihan yang dibuat tampak agak arbitrer.

Dua perusahaan yang produknya masuk dalam kategori article mixing adalah Article Forge dan AI Writer.

Narasi Data Terstruktur

Aplikasi dalam kategori ini mengambil kumpulan data yang sangat terstruktur dan mengubahnya menjadi sebuah narasi. Associated Press menghasilkan hampir 4.000 artikel pendapatan perusahaan setiap tiga bulan dengan bantuan kecerdasan buatan. Situs e-niaga juga dapat membuat deskripsi produk, cerita kategori, dan buletin menggunakan metode ini.

Ada banyak kasus penggunaan untuk pendekatan ini, selama Anda memiliki data terstruktur untuk mendukungnya. Itulah faktor penting dalam membuat pekerjaan ini dalam skala besar. Dalam contoh laporan pendapatan, keseluruhan cerita cukup sederhana dan tidak pernah berubah. Yang membuat setiap cerita berbeda adalah variabelnya. Berikut adalah contoh laporan pendapatan Apple dari Associated Press.

Berikut adalah beberapa merek yang bekerja di bidang ini:

• Tukang kata
• Bulu ayam
• Semantik AXE
• Arria
• YSEOP
• textengine.io
• vFrase
• Spesifik
• ginnie
• mesin kru

Platform ini menggunakan pendekatan berbasis template atau membuat dokumen secara dinamis. Yang paling sederhana adalah pendekatan gap-fill dimana data diisi dengan gap di dalam template.

Bahasa templat web, skrip, atau teks yang menghasilkan aturan, merupakan langkah maju dari pengisian celah sederhana. Tetapi tanpa kemampuan linguistik yang canggih, ia berjuang untuk menghasilkan teks berkualitas tinggi.

Fungsi tata bahasa tingkat kata membuatnya relatif lebih mudah untuk menulis templat yang kompleks karena dapat menangani ortografi, morfologi, morfofonologi, dan pengecualiannya. Tapi jangan salah, menghasilkan output berkualitas dengan cara ini tetap menjadi tantangan yang signifikan.

Teks pidato

Teks ke ucapan mengubah teks tertulis menjadi audio yang terdengar alami dalam berbagai bahasa. Mereka dapat digunakan dalam interaksi chatbot dan asisten suara, mengubah ebook digital menjadi buku audio, dan berinteraksi dengan sistem navigasi dalam mobil.

Baru-baru ini, perusahaan telah menggunakan jaringan saraf dalam untuk mensintesis ucapan yang hampir identik dengan rekaman manusia. Pola bicara, intonasi, dan artikulasi mirip manusia secara signifikan mengurangi kelelahan mendengarkan saat berinteraksi dengan sistem AI.

Beberapa organisasi terkenal mendominasi area ini:

• IBM Watson
• Microsoft
• Amazon Polly
• Google

Ringkasan

Dalam beberapa tahun terakhir, generasi bahasa alami terutama berfokus pada text-to-speech dan menghasilkan narasi dari data yang sangat terstruktur. Dengan Teknologi NLG MarketMuse, pemasar kini dapat memanfaatkan NLG untuk menghasilkan konten berdurasi panjang.