像教育专家一样提问：基于真实世界考试数据自动生成问答对
计算与语言
2021-09-20 v2
摘要
生成高质量的问答对是一项困难但有意义的任务。尽管先前工作在答案感知的问题生成上取得了很好的结果，但难以将其应用于教育领域的实际场景中。本文首次处理了真实世界考试数据上的问答对生成任务，并提出了一种基于 RACE 的新统一框架。为捕获输入文章的重要信息，我们首先自动生成（而非抽取）关键短语，从而将该任务化简为关键短语–问题–答案三元组联合生成。相应地，我们提出了一种多智能体通信模型来迭代地生成和优化问题及关键短语，然后应用生成的问题和关键短语来引导答案的生成。为建立坚实的基准，我们在强生成式预训练模型上构建我们的模型。实验结果表明，我们的模型在问答对生成任务上取得了重大突破。此外，我们对模型进行了全面分析，为该具挑战性的任务指明了新方向。
引用
@article{arxiv.2109.05179,
title = {Asking Questions Like Educational Experts: Automatically Generating Question-Answer Pairs on Real-World Examination Data},
author = {Fanyi Qu and Xin Jia and Yunfang Wu},
journal= {arXiv preprint arXiv:2109.05179},
year = {2021}
}
备注
Accepted as a long paper in the main conference of EMNLP 2021