扩展答案与不确定性感知的神经问题生成
计算与语言
2019-11-20 v1 人工智能
机器学习
摘要
本文研究自动问题生成，即根据相应文本段落创建问题、其中文本某些特定片段可作为答案的任务。我们提出了一种扩展答案感知网络（EAN），其以基于词的覆盖机制（WCM）训练，并以不确定性感知集束搜索（UBS）解码。EAN 通过其所在句子用编码器表示目标答案，并利用门控段落到答案注意力将扩展答案信息融入段落表示，以解决目标答案表示不充分的问题。为减少不良重复，WCM 在训练阶段惩罚在不同时间步重复关注相同词。UBS 旨在更好地平衡从输入文本段落复制词的模型置信度与从词表生成词的置信度。我们在 SQuAD 数据集上实验，结果表明我们的方法取得了显著的性能提升。
引用
@article{arxiv.1911.08112,
title = {Extended Answer and Uncertainty Aware Neural Question Generation},
author = {Hongwei Zeng and Zhuo Zhi and Jun Liu and Bifan Wei},
journal= {arXiv preprint arXiv:1911.08112},
year = {2019}
}