论医学问答对的生成

问答（QA）近期取得了可喜进展。然而，由于在医学领域等真实场景中对外部知识的要求以及高质量训练数据数量不足，回答问题仍具挑战性。鉴于这些挑战，本文研究医学问答对生成任务。基于每个医学问题可视为给定答案的潜在问题分布中的一个样本这一洞见，我们提出一个自动医学问答对生成框架，包含一个从无结构材料中探索有效性的无监督关键词检测器，以及一个涉及多遍解码器以整合结构知识以增强多样性的生成器。我们在从中国国家执业医师资格考试收集的真实数据集上进行了一系列实验。自动评估与人工标注均证明了所提方法的有效性。进一步研究表明，通过将生成的问答对用于训练，考试问答系统的准确率可获得显著提升。