问题类型驱动的问题生成
计算与语言
2019-09-04 v1
摘要
问题生成是一项具有挑战性的任务，旨在基于答案和相关上下文提出一个问题。现有工作存在问题类型与答案不匹配的缺陷，即生成的问题类型为 而答案却是一个人名。我们提出基于输入的答案和上下文自动预测问题类型。然后，将问题类型融合进一个 seq2seq 模型以引导问题生成，从而解决不匹配问题。我们在问题类型预测的准确率上取得了显著提升，并最终在 SQuAD 和 MARCO 数据集上获得了问题生成的 SOTA 结果。
引用
@article{arxiv.1909.00140,
title = {Question-type Driven Question Generation},
author = {Wenjie Zhou and Minghua Zhang and Yunfang Wu},
journal= {arXiv preprint arXiv:1909.00140},
year = {2019}
}
备注
Accepted by EMNLP 2019