一种问题类型驱动与复制损失增强的答案无关神经问题生成框架
计算与语言
2020-05-26 v1 机器学习
摘要
答案无关的问题生成是一项重要且具有挑战性的任务，其目标是在给定句子但无答案的情况下自动生成问题。本文提出了两种新策略来处理该任务：问题类型预测和复制损失机制。问题类型模块用于预测应提问的问题类型，使我们的模型能够为同一源句子生成多种类型的问题。新的复制损失增强了原有的复制机制，确保在生成问题时源句子中的每个重要单词都已被复制。我们的集成模型在答案无关问题生成任务上优于当前最优方法，在 SQuAD 数据集上取得了 13.9 的 BLEU-4 分数。人工评估进一步验证了我们生成问题的高质量。我们将公开代码以供进一步研究。
引用
@article{arxiv.2005.11665,
title = {A Question Type Driven and Copy Loss Enhanced Frameworkfor Answer-Agnostic Neural Question Generation},
author = {Xiuyu Wu and Nan Jiang and Yunfang Wu},
journal= {arXiv preprint arXiv:2005.11665},
year = {2020}
}