Choosing words in computer-generate

Choosing words in computer-generated weather forecasts
One of the main challenges in automatically generating textual weather forecasts is choosing appropriate English words to communicate numeric weather data.
A corpus-based analysis of how humans write forecasts showed that there were major differences in how individual writers performed this task, that is, in how they translated data into words.
These differences included both different preferences between potential near-synonyms that could be used to express information, and also differences in the meanings that individual writers associated with specific words.
Because we thought these differences could confuse readers, we built our SumTime-Mousam weather-forecast generator to use consistent data-to-word rules, which avoided words which were only used by a few people, and words which were interpreted differently by different people.

ผลลัพธ์ (ไทย) 1:

เลือกคำในการสร้างคอมพิวเตอร์พยากรณ์หนึ่งในความท้าทายหลักในการสร้างข้อความคาดการณ์สภาพอากาศโดยอัตโนมัติมีเลือกคำภาษาอังกฤษที่เหมาะสมเพื่อสื่อสารข้อมูลสภาพอากาศที่เป็นตัวเลขวิเคราะห์ตามคอร์พัสคริของวิธีการที่มนุษย์เขียนคาดการณ์พบว่า มีความแตกต่างที่สำคัญในแต่ละวิธีเขียนดำเนินงานนี้ คือ ในการจะแปลข้อมูลเป็นคำความแตกต่างเหล่านี้รวมทั้งกำหนดลักษณะแตกต่างกันระหว่างศักยภาพใกล้คำเหมือนที่สามารถใช้เพื่อแสดงข้อมูล และความแตกต่างในความหมายที่เชื่อมโยงนักเขียนแต่ละคำที่ระบุเพราะเราคิดว่า ความแตกต่างเหล่านี้อาจสับสนผู้อ่าน เราสร้างเครื่องกำเนิดไฟฟ้าพยากรณ์ของเรา SumTime Mousam ใช้สอดคล้องข้อมูล word กฎ การหลีกเลี่ยงคำซึ่งถูกใช้เพียงไม่กี่คน และคำที่ถูกตีความต่างจากคนอื่น

ผลลัพธ์ (ไทย) 2:

เลือกคำในคอมพิวเตอร์สร้างการคาดการณ์สภาพอากาศที่หนึ่งในความท้าทายหลักโดยอัตโนมัติสร้างการคาดการณ์สภาพอากาศที่เกี่ยวกับใจคือการเลือกคำที่เหมาะสมภาษาอังกฤษในการสื่อสารข้อมูลสภาพอากาศที่เป็นตัวเลข.
การวิเคราะห์คลังตามวิธีการที่มนุษย์เขียนคาดการณ์แสดงให้เห็นว่ามีความแตกต่างที่สำคัญในวิธีการที่นักเขียนแต่ละคน ดำเนินงานนี้คือในวิธีที่พวกเขาแปลข้อมูลเป็นคำ.
ความแตกต่างเหล่านี้รวมทั้งการตั้งค่าที่แตกต่างกันระหว่างคำพ้องความหมายใกล้เคียงกับศักยภาพที่จะนำมาใช้ในการแสดงข้อมูลและความแตกต่างในความหมายว่านักเขียนแต่ละคนที่เกี่ยวข้องกับคำเฉพาะ.
เพราะเรา คิดแตกต่างเหล่านี้อาจสร้างความสับสนให้ผู้อ่านที่เราสร้าง SumTime-Mousam กำเนิดสภาพอากาศการคาดการณ์ของเราที่จะใช้กฎข้อมูลต่อคำที่สอดคล้องกันซึ่งหลีกเลี่ยงคำที่ถูกนำมาใช้โดยเฉพาะไม่กี่คนและคำพูดที่ถูกตีความแตกต่างกันโดยคนที่แตกต่างกัน

ผลลัพธ์ (ไทย) 3:

เลือกคำในการพยากรณ์อากาศสร้าง
หนึ่งในความท้าทายหลักในการเลือกข้อความโดยอัตโนมัติพยากรณ์อากาศเป็นคำภาษาอังกฤษที่เหมาะสมที่จะสื่อสารข้อมูลสภาพอากาศตัวเลข การใช้คลังข้อมูลการวิเคราะห์สิ่งที่มนุษย์เขียนพยากรณ์ พบว่า มีความแตกต่างในวิธีการที่ผู้เขียนแต่ละสาขาดำเนินการงานนี้ นั่นคือในวิธีที่พวกเขาข้อมูลที่แปลเป็นคำพูด
ความแตกต่างเหล่านี้รวมทั้งลักษณะแตกต่างกันระหว่างศักยภาพใกล้ที่คล้ายกันที่สามารถใช้เพื่อแสดงข้อมูลและความแตกต่างในความหมายว่านักเขียนแต่ละที่เกี่ยวข้องกับเฉพาะคำ .
เพราะเราคิดว่าความแตกต่างเหล่านี้อาจสับสนของผู้อ่านเราสร้างของเรา sumtime mousam พยากรณ์อากาศเครื่องกำเนิดไฟฟ้าเพื่อใช้ข้อมูลที่สอดคล้องกับกฎของคำซึ่งหลีกเลี่ยงคำที่ถูกใช้โดยคนไม่กี่คน และคำที่ถูกตีความแตกต่างกันโดยคนที่แตกต่างกัน