GTM：一种用于对话式问题生成的生成式三元组模型
计算与语言
2021-06-08 v1 人工智能
机器学习
摘要
在开放域对话中生成一些吸引人的问题是改善人机交互并将话题引向更广阔或更深入方向的有效途径。为避免生成枯燥或偏离的问题，一些研究者尝试利用答案这一“未来”信息来引导问题生成。然而，他们将帖子-问题-答案（PQA）三元组拆分为两部分：帖子-问题（PQ）与问题-答案（QA）对，这可能损害整体连贯性。此外，QA 关系被建模为一对一映射，在开放域对话中并不合理。为解决这些问题，我们提出了一种用于开放域对话式问题生成（CQG）的具有层次化隐变量的生成式三元组模型。三个层次的隐变量用于表示三元组的共享背景以及 PQ 和 QA 对中的一对多语义映射。在大规模 CQG 数据集上的实验结果表明，相较于强基线方法，我们的方法在流畅性、连贯性与多样性方面显著提升了问题质量。
引用
@article{arxiv.2106.03635,
title = {GTM: A Generative Triple-Wise Model for Conversational Question Generation},
author = {Lei Shen and Fandong Meng and Jinchao Zhang and Yang Feng and Jie Zhou},
journal= {arXiv preprint arXiv:2106.03635},
year = {2021}
}
备注
To appear at ACL 2021 main conference (long paper)