用于对话式问题生成的强化动态推理
计算与语言
2019-07-31 v1 人工智能
摘要
本文研究一项称为对话式问题生成（CQG）的新任务，即基于一段文本和对话历史（即先前的问答对轮次）生成一个问题。CQG 是开发能够驱动问答式对话或测试用户对所给定文本理解程度的智能代理的关键任务。为此，我们提出一种称为强化动态推理（ReDR）网络的新方法，该方法基于通用的编码器-解码器框架，但以动态方式融入推理过程，以更好地理解已问内容及接下来关于该文本应问什么。为鼓励生成有意义的问题，我们利用一种流行的问答（QA）模型提供反馈，并使用强化学习机制微调问题生成器。在最近发布的 CoQA 数据集上的实证结果表明，与各类基线和模型变体相比，我们的方法有效。此外，为展示方法的适用性，我们还将其应用于为 SQuAD 中的文本创建多轮问答对话。
引用
@article{arxiv.1907.12667,
title = {Reinforced Dynamic Reasoning for Conversational Question Generation},
author = {Boyuan Pan and Hao Li and Ziyu Yao and Deng Cai and Huan Sun},
journal= {arXiv preprint arXiv:1907.12667},
year = {2019}
}
备注
Accepted in ACL 2019