通过建模提问方式与提问内容实现面向阅读理解评估的问题生成

阅读是日常生活中不可或缺的一部分，然而对许多年轻学习者而言，学会阅读却是一项难题。在课堂上，教师可以利用理解性问题来提升参与度、测试阅读技能并增强记忆。历史上这类问题由熟练教师编写，但近来语言模型已被用于生成理解性问题。然而，许多现有的问题生成（QG）系统侧重于从文本生成字面问题，且无法控制所生成问题的类型。本文研究面向阅读理解的问题生成，其中推断性问题至关重要且无法使用抽取式技术。我们提出一个两步模型（HTA-WTA），其利用先前的数据集，并能针对特定的目标理解技能生成问题。我们提出一个新的阅读理解数据集，其中包含标注了基于故事阅读理解技能（SBRCS）的问题，从而实现更全面的读者评估。在多项实验中，我们的结果表明 HTA-WTA 在该新数据集上优于多个强基线。我们展示了 HTA-WTA 模型通过提出深层推断性问题来测试强 SCRS。