NLP（自然语言处理）分为2类：自然语言理解（NLU）和自然语言生成（NLG）。
自然语言理解（NLU）包括：文本分类、序列标注、信息抽取等任务。
自然语言生成（NLG）包括：机器翻译、对话问答系统、自动摘要等。
NLG应用场景
自动摘要
形式：给定输入的文本，输出包含输入文本关键判决信息的摘要内容。
要点：
1）模型自动生成的内容完整且精确的覆盖了原文关键信息
2）生成的内容通顺流畅
具体应用产生场景如：文章摘要生成，会议纪要生成，法律/金融（专业领域）的长文档摘要生成。
相似问生成
形式：模型针对输入问句，生成多条意思相近的问句。
一般是对有标注的数据进行语义相似度的训练。所以此解决的是“没有相关标注数据”的新场景。
一般有两种方式：1）零样本学习；2）自然语言生成技术扩充标注数据。
相似度由大到小排列。可看出，相似度最大的句子完全保留了原句的含义，较小的句子开始出现语义的发散。在实际使用中，可通过控制相似度的值来调整被选用的生成句子的多样性。
可控条件文本生成
对生成文本的感情控制、风格切换。
1）风格切换
形式：通过控制风格标签，模型可以按照原本的标题句式生成出指定语境的标题。
示例：
用新闻标题作为输入，而其对应的新闻分类作为控制条件。
2）感情控制
形式：感情迁移，目标是让模型转换输入文本的感情极性。
示例：
模型能很好地保留原本的句式结构和关键信息，但改变句子的感情极性
数学表达式生成
除了文本，还可以生成代码、SQL、数学表达式。
生成模型能够将简单的数学应用题转化为数学表达式
看图说话
形式：输入图片，输出一段描述图片的文本内容。
待补充。
学习参考：
NLG技术：文本生成技术多样化应用的探索之路https://mp.weixin.qq.com/s/tQ1dHjNnTQTfy7TyxA5Skg
