2nd/10_Wiki/Topics/Domain_Programming/AI_and_ML/Natural-Language-Generation-NLG.md

id, title, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, verification_status, tags, raw_sources, last_reinforced, github_commit, tech_stack

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

Natural Language Generation (NLG)

한 줄 정의

구조화된 입력(데이터·표·의도)이나 unstructured prompt에서 자연어 텍스트를 생성하는 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

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

Hugging Face 생성

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)

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

# 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

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

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)

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 · 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).