基于可微奖励模仿学习的自包含与摘要为中心的问答对生成
计算与语言
2021-09-13 v1 人工智能
机器学习
摘要
受对话式新闻推荐系统中建议问题生成的启发，我们提出了一种生成问答对 (QA pairs) 的模型，其问题具有自包含、以摘要为中心的特点，答案具有长度受限且概括文章的特点。我们首先收集了一个新的新闻文章数据集，其中以问题作为标题，并将它们与不同长度的摘要配对。该数据集用于学习 QA 对生成模型，该模型生成以摘要作为答案，在简洁性与充分性之间取得平衡，并同时生成对应的问题。随后，我们利用可微奖励函数强化 QA 对生成过程，以缓解自然语言生成中常见的曝光偏差问题。自动评估指标和人工评估均表明，这些 QA 对成功捕捉了文章的核心要点并达到了很高的回答准确率。
引用
@article{arxiv.2109.04689,
title = {Generating Self-Contained and Summary-Centric Question Answer Pairs via Differentiable Reward Imitation Learning},
author = {Li Zhou and Kevin Small and Yong Zhang and Sandeep Atluri},
journal= {arXiv preprint arXiv:2109.04689},
year = {2021}
}
备注
To appear in Proceedings of EMNLP 2021