生成高相关问题
计算与语言
2019-10-09 v1
摘要
基于神经 seq2seq 的问题生成（QG）易于生成通用且缺乏多样性的问题，这些问题与所给段落及目标答案相关性差。本文中，我们提出两种方法解决该问题。（1）通过部分复制机制，我们在生成问题时优先选用与输入段落中词语形态相近的词；（2）通过基于 QA 的重排序器，从问题的 n-best 候选列表中，选取同时被 QA 与 QG 模型偏好的问题。实验与分析表明，所提两种方法显著提升了生成问题与段落及答案的相关性。
引用
@article{arxiv.1910.03401,
title = {Generating Highly Relevant Questions},
author = {Jiazuo Qiu and Deyi Xiong},
journal= {arXiv preprint arXiv:1910.03401},
year = {2019}
}
备注
Accepted by EMNLP 2019