神经问题生成综述：方法、应用与展望

在本综述中，我们详细考察了神经问题生成（Neural Question Generation, NQG）的进展，这是一个利用神经网络技术从知识库、文本和图像等多样化输入中生成相关问题的领域。综述首先概述了 NQG 的背景，包括任务的问题表述、主流基准数据集、既定的评估指标以及显著的应用。随后，我们将 NQG 方法系统地分类为三个主要类别：利用组织化数据源的结构化 NQG、专注于文本或视觉内容等松散结构输入的非结构化 NQG，以及利用多样化输入模态的混合 NQG。在此分类之后，我们深入分析了针对每个类别定制的神经网络模型，讨论了它们的固有优势和潜在局限性。综述最后展望了 NQG 的发展轨迹，识别了新兴的研究趋势和潜在的发展路径。伴随本综述的是一份精选的相关研究论文、数据集和代码集合，已在 Github 上系统组织，为深入研究 NQG 的人员提供了广泛的参考。