摘要
虚拟助手（如 Google 助手、Amazon Alexa 和 Apple Siri）使用户能够通过自然语言与网络上的大量服务和 API 进行交互。在本研究中，我们探讨了两种基于单一领域无关模型，在众多 API 上实现自然语言生成（Natural Language Generation, NLG）的方法。首先，我们提出了一种基于模式（schema-guided）的方法，该方法通过自然语言描述的 API 模式来引导生成过程。其次，我们研究了一种使用少量模板的方法，模板数量随槽位（slot）数量线性增长，以传达 API 的语义信息。针对任意槽位组合的生成任务，我们首先将少数简单模板拼接起来，生成一个语义正确但可能缺乏连贯性或语法错误的初始语句；随后，利用预训练语言模型对这一语句进行重写，从而获得连贯且自然流畅的文本表达。通过自动评估指标与人工评估，我们证明了所提出方法在性能上优于多个强基线模型，对域外输入具有良好的鲁棒性，并展现出更高的样本效率。