面向答案未知对话式问题生成的问什么与如何问建模

对话式问题生成（CQG）是机器通过对话协助人类满足信息需求的一项关键任务。该任务通常分为两种设置：答案已知与答案未知。前者通过暴露预期答案来便利模型，而后者更为现实且近期受到越来越多的关注。在答案未知设置中，问什么与如何问是两大主要挑战。针对第一个挑战，现有方法主要从上下文中顺序选取句子作为依据。我们认为，使用此类朴素启发式生成的对话可能不够自然，因为现实中对话者常谈论上下文中未必顺序相关的內容。此外，先前方法隐式决定待生成问题的类型（布尔型/基于片段型）。显式建模问题类型至关重要，因为提示模型生成布尔型或基于片段型问题的答案并不可用。为此，我们提出 SG-CQG，一种两阶段 CQG 框架。在问什么阶段，从我们构建的语义图中选取一句作为依据，并从中抽取答案片段。在如何问阶段，分类器在生成与过滤前通过两个显式控制信号确定问题的目标答案类型。此外，我们提出 Conv-Distinct，一种用于 CQG 的新评估指标，以从上下文评估生成对话的多样性。与现有答案未知 CQG 模型相比，所提 SG-CQG 取得了最先进的性能。