MixQG：面向混合答案类型的神经问题生成
计算与语言
2022-06-01 v2
摘要
提出好问题对人类和机器智能而言都是一项基本能力。然而，现有的神经问题生成方法主要关注短事实型答案。本文中，我们提出一种神经问题生成器 MixQG 以弥补这一差距。我们结合 9 个具有多样答案类型的问答数据集，包括是/否、多选、抽取式和生成式答案，来训练单一的生成模型。我们通过实证结果表明，我们的模型在已见和未见领域均优于现有工作，并且当以不同答案类型为条件时可生成具有不同认知水平的问题。我们的代码已发布并与 Huggingface 库良好集成，以方便各种下游应用。
引用
@article{arxiv.2110.08175,
title = {MixQG: Neural Question Generation with Mixed Answer Types},
author = {Lidiya Murakhovs'ka and Chien-Sheng Wu and Philippe Laban and Tong Niu and Wenhao Liu and Caiming Xiong},
journal= {arXiv preprint arXiv:2110.08175},
year = {2022}
}
备注
camera-ready version