通过融入多样化上下文和答案感知损失生成知识库问题
计算与语言
2019-10-30 v1 人工智能
摘要
我们处理知识库上的问题生成任务。该任务的传统方法忽略了两个关键研究问题：1）给定的谓词需要被表达；2）生成的问题的答案需要是确定的。在本文中，我们通过融入多样化上下文和答案感知损失来致力于解决上述两个问题。具体来说，我们提出了一种具有多级复制机制的神经编码器-解码器模型来生成此类问题。此外，引入了答案感知损失，使生成的问题对应更确定的答案。实验表明，我们的模型达到了最先进的性能。同时，这样生成的问题可以表达给定的谓词并对应一个确定的答案。
引用
@article{arxiv.1910.13108,
title = {Generating Questions for Knowledge Bases via Incorporating Diversified Contexts and Answer-Aware Loss},
author = {Cao Liu and Kang Liu and Shizhu He and Zaiqing Nie and Jun Zhao},
journal= {arXiv preprint arXiv:1910.13108},
year = {2019}
}
备注
Accepted to EMNLP 2019