利用答案焦点、上下文与语言特征的多样化问题神经生成
计算与语言
2018-10-09 v2 人工智能
机器学习
摘要
问题生成是依据文本输入自动创建问题的任务。本文提出一种用于自动问题生成的注意力编码器-解码器循环神经网络新模型。我们的模型融合了语言特征与额外的句子嵌入，以在句子和词两个层面捕捉语义。这些语言特征旨在捕捉与命名实体识别、词形大小写以及实体共指消解相关的信息。此外，我们的模型采用复制机制与一种特殊的答案信号，从而能够对给定句子生成大量多样化的问题。我们的模型在基准问题生成数据集上取得了 19.98 Bleu_4 的 SOTA 结果，显著优于此前所有已发表的结果。人工评估也表明，这些附加特征提升了生成问题的质量。
引用
@article{arxiv.1809.02637,
title = {Neural Generation of Diverse Questions using Answer Focus, Contextual and Linguistic Features},
author = {Vrindavan Harrison and Marilyn Walker},
journal= {arXiv preprint arXiv:1809.02637},
year = {2018}
}
备注
Accepted to appear at INLG 2018