---
id: wiki-2026-0508-natural-language-generation-nlg
title: Natural Language Generation (NLG)
status: verified
canonical_id: wiki-2026-0508-natural-language-generation-nlg
aliases: [NLG, Text Generation, Natural-Language-Generation]
duplicate_of: none
source_trust_level: A
confidence_score: 0.93
verification_status: applied
tags: [nlp, nlg, text-generation, llm, evaluation]
raw_sources: []
last_reinforced: 2026-05-10
github_commit: pending
tech_stack: [python, transformers, openai, anthropic, sacrebleu]
---

# Natural Language Generation (NLG)

## 한 줄 정의

구조화된 입력(데이터·표·의도)이나 unstructured prompt에서 **자연어 텍스트를 생성**하는 NLP 하위 분야. 2020년대 LLM 등장 이후 사실상 "프롬프트 → LLM 호출"이 default가 되며, 전통적 template/규칙 기반은 하이브리드 fallback 역할.

## 핵심

### 세대 구분

- **Template-based**: 슬롯 채우기 (`"오늘 {city} 기온 {temp}°C"`). 정확·예측가능, 다양성 0.
- **Statistical (n-gram, HMM)**: 2010년대 이전. 현재는 거의 사용 X.
- **Neural seq2seq (LSTM/Transformer)**: 2014–2019. 요약·번역 SOTA.
- **LLM-based (GPT/Claude/Llama 계열)**: 2020+. zero/few-shot, instruction tuning.

### 파이프라인 (전통)

content determination → text structuring → sentence aggregation → lexicalization → referring expression generation → linguistic realization. LLM 시대에는 이 단계가 implicit.

### 평가 지표

- **BLEU** — n-gram overlap. 번역에서 유래.
- **ROUGE** — recall 기반. 요약 표준.
- **METEOR** — synonym/stem 고려.
- **BERTScore** — embedding cosine. semantic.
- **BLEURT, COMET** — learned metric.
- **G-Eval / LLM-as-judge** — LLM이 채점.
- **Human eval** — fluency, faithfulness, relevance, factuality.

### 응용

요약, 번역, 데이터→문장(report generation), 챗봇, 코드 생성, 광고 문안, 시나리오, RAG 답변, 데이터 증강.

## 💻 패턴

### Template fallback

```python
def render_weather(city, temp, cond):
    return f"{city}의 현재 기온은 {temp}°C, 날씨는 {cond}입니다."
```

### Hugging Face 생성

```python
from transformers import AutoTokenizer, AutoModelForCausalLM
tok = AutoTokenizer.from_pretrained("meta-llama/Llama-3.1-8B-Instruct")
mdl = AutoModelForCausalLM.from_pretrained("meta-llama/Llama-3.1-8B-Instruct",
                                           device_map="auto")
ids = tok.apply_chat_template(
    [{"role":"user","content":"한 문장 요약: ..."}],
    return_tensors="pt").to(mdl.device)
out = mdl.generate(ids, max_new_tokens=128, temperature=0.7, top_p=0.9)
print(tok.decode(out[0][ids.shape[-1]:], skip_special_tokens=True))
```

### Anthropic API (modern default)

```python
import anthropic
client = anthropic.Anthropic()
msg = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=512,
    system="간결하고 사실에 기반한 한국어로 답하라.",
    messages=[{"role":"user","content":"분기 매출표 → 한 문단 요약: ..."}],
)
print(msg.content[0].text)
```

### Sampling 제어

```python
# 결정론적 (사실 답변)
generate(temperature=0.0)
# 다양성 (창작)
generate(temperature=0.9, top_p=0.95)
# 반복 억제
generate(repetition_penalty=1.1, no_repeat_ngram_size=3)
```

### BLEU/ROUGE 평가

```python
import sacrebleu
from rouge_score import rouge_scorer

bleu = sacrebleu.corpus_bleu(hyps, [refs])
print(bleu.score)

scorer = rouge_scorer.RougeScorer(['rouge1','rougeL'], use_stemmer=True)
scores = [scorer.score(r, h) for r, h in zip(refs, hyps)]
```

### BERTScore

```python
from bert_score import score
P, R, F1 = score(hyps, refs, lang="ko", rescale_with_baseline=True)
print(F1.mean().item())
```

### LLM-as-judge (G-Eval 스타일)

```python
JUDGE = """다음 요약의 사실 정확도를 1-5로 평가하라.
원문: {src}
요약: {hyp}
JSON으로만: {{"score": int, "reason": str}}"""

def judge(src, hyp):
    r = client.messages.create(
        model="claude-opus-4-7", max_tokens=200,
        messages=[{"role":"user","content":JUDGE.format(src=src, hyp=hyp)}])
    return json.loads(r.content[0].text)
```

## 결정 기준

| 상황 | 추천 |
|---|---|
| 고정 양식·법적 정확성 | Template |
| 데이터 → 보고서 (수치 보존) | Template + LLM rewrite |
| 일반 자유 텍스트 | LLM (Claude/GPT) |
| 비용 민감, on-prem | open-weight LLM (Llama/Qwen) |
| 평가 — 번역 | BLEU + COMET |
| 평가 — 요약 | ROUGE + BERTScore + LLM-judge |
| 평가 — open-ended | **LLM-as-judge + 인간 spot check** |

기본값: **LLM 호출**, 사실 정확성 위험 시 **template hybrid**.

## 🔗 Graph

- 부모: [[Natural-Language-Processing-NLP]] · [[Generative-AI]]
- 응용: [[RAG]] · [[Code-Generation]]
- Adjacent: [[Large-Language-Models]] · [[Prompt_Engineering|Prompt-Engineering]] · [[ROUGE]]

## 🤖 LLM 활용

**언제**: NLG 작업 자체(요약·번역·rewrite), 평가 자동화(LLM-as-judge), prompt 설계, hallucination 감지 보조.

**언제 X**: 수치·법률·의료 등 사실 정확성이 절대적인 출력에 LLM 단독 의존. 반드시 template/grounding/검증 layer 추가.

## ❌ 안티패턴

- BLEU 단일 지표로 요약·자유생성 평가 → 의미 차이 못 잡음.
- temperature=1.0+ 로 사실 응답 생성 → hallucination 폭증.
- LLM-as-judge에 같은 모델 사용 (self-preference bias).
- Template 없이 수치 그대로 자연어로 → 잘못된 반올림·단위 누락.
- 평가셋 누출 (test set이 학습에 들어감) — 평가 무의미.

## 🧪 검증 / 중복

Verified source: Reiter & Dale *Building NLG Systems*, Hugging Face `transformers` docs, Anthropic/OpenAI API 문서, ACL/EMNLP 평가 논문, BERTScore (Zhang et al. 2020), G-Eval (Liu et al. 2023). 신뢰도 A.

[[Large-Language-Models]] 와 겹치지만 NLG는 **태스크/평가** 관점, LLM은 **모델/시스템** 관점으로 분리.

## 🕓 Changelog

- 2026-05-08 Phase 1 — 초기 stub.
- 2026-05-10 Manual cleanup — FULL 재작성. 세대 구분, 평가 6종, 코드 7개(template/HF/Anthropic/sampling/BLEU/BERTScore/judge).