基于答案的对抗训练用于生成澄清问题
计算与语言
2019-04-05 v1
摘要
我们提出了一种生成澄清问题的方法，其目标是引出新的信息，使给定的文本上下文更加完整。我们提出将假设答案（针对澄清问题）建模为潜变量，可以引导我们的方法生成更有用的澄清问题。我们开发了一个生成对抗网络（GAN），其中生成器是一个序列到序列模型，判别器是一个效用函数，用于建模用澄清问题的答案更新上下文的价值。我们在两个数据集上评估，使用自动指标以及关于有用性、特异性和相关性的人类判断，表明我们的方法优于基于检索的模型以及排除了效用模型和对抗训练的消融实验。
引用
@article{arxiv.1904.02281,
title = {Answer-based Adversarial Training for Generating Clarification Questions},
author = {Sudha Rao and Hal Daumé},
journal= {arXiv preprint arXiv:1904.02281},
year = {2019}
}
备注
Accepted at NAACL 2019