生成式股票问答
计算与语言
2018-09-21 v2
摘要
我们研究股票相关问答（StockQA）问题：自动生成股票相关问题的答案，就像专业股票分析师在用户请求时提供股票操作建议一样。StockQA 与以往的 QA 任务有很大不同，因为（1）StockQA 中的答案是自然语言句子（而非实体或数值），并且由于 StockQA 的动态特性，几乎不可能从训练数据中以抽取方式获得合理答案；（2）StockQA 需要恰当分析问答对中关键词与股票数值特征之间的关系。我们提出用记忆增强的编码器-解码器架构来解决该问题，并集成不同的数值理解与生成机制，这是 StockQA 的关键组成部分。我们构建了一个包含超过 18 万条 StockQA 实例的大规模数据集，并基于此对各种技术组合进行了广泛的研究与比较。实验结果表明，带有独立字符组件用于处理数字的混合词-字符模型取得了最佳性能。通过分析结果，我们发现最佳模型生成的答案中仍有 44.8% 存在通用答案问题，而这一问题可通过一种直接的检索-生成混合模型得到缓解。
引用
@article{arxiv.1804.07942,
title = {Generative Stock Question Answering},
author = {Zhaopeng Tu and Yong Jiang and Xiaojiang Liu and Lei Shu and Shuming Shi},
journal= {arXiv preprint arXiv:1804.07942},
year = {2018}
}
备注
data: http://ai.tencent.com/ailab/nlp/data/stockQA.tar.gz