利用循环神经网络生成事实型问题：30M事实型问答语料库
计算与语言
2016-05-31 v2 人工智能
机器学习
神经与进化计算
摘要
过去十年间，大规模监督学习语料库使机器学习研究者取得了实质性进展。然而，迄今为止，尚无可用的大规模问答语料库。本文我们提出30M事实型问答语料库（30M Factoid Question-Answer Corpus），这是一个庞大的问答对语料库，通过将一种新颖的神经网络架构应用于知识库Freebase，将事实转写为自然语言问题而生成。生成的问答对通过人类评估者和自动评价指标（包括成熟的机器翻译和句子相似度指标）进行了评估。在所有评价标准上，问题生成模型均优于竞争的基于模板的基线。此外，当呈现给人类评估者时，所生成的问题在质量上似乎与真实人类生成的问题相当。
引用
@article{arxiv.1603.06807,
title = {Generating Factoid Questions With Recurrent Neural Networks: The 30M Factoid Question-Answer Corpus},
author = {Iulian Vlad Serban and Alberto García-Durán and Caglar Gulcehre and Sungjin Ahn and Sarath Chandar and Aaron Courville and Yoshua Bengio},
journal= {arXiv preprint arXiv:1603.06807},
year = {2016}
}
备注
13 pages, 1 figure, 7 tables