Semantically Conditioned LSTM-based Natural Language Generation for Spoken Dialogue Systems（阅读理解）

大多数的NLG（Natural language generation）系统都使用规则和启发式，并且倾向于在没有人类语言的自然变化的情况下产生单一风格，本文提出了一种基于语义控制的长短时记忆网络(LSTM)的统计NLG。它可以通过使用简单的交叉熵训练准则，在没有任何启发式的情况下，通过联合优化其句子规划和表面实现组件来学习未对齐的数据，并通过随机抽取网络输出来获得高质量的语言变异。 本文的突出贡献

>>阅读原文<<