用于生成深度语义图的语义图方法
计算与语言
2020-04-28 v1
摘要
本文提出深度问题生成（Deep Question Generation, DQG）这一任务，旨在生成需要对输入段落中多条信息进行推理的复杂问题。为捕捉文档的全局结构并便于推理，我们提出一种新颖框架：首先为输入文档构建语义级图，随后通过引入基于注意力的门控图神经网络（Att-GGNN）对该语义图进行编码。之后，我们融合文档级与图级表示，对内容选择与问题解码进行联合训练。在以深度问题为核心的 HotpotQA 数据集上，我们的模型在需要多事实推理的问题上大幅提升了性能，取得了最先进的（state-of-the-art）表现。代码已公开于 https://github.com/WING-NUS/SG-Deep-Question-Generation。
引用
@article{arxiv.2004.12704,
title = {Semantic Graphs for Generating Deep Questions},
author = {Liangming Pan and Yuxi Xie and Yansong Feng and Tat-Seng Chua and Min-Yen Kan},
journal= {arXiv preprint arXiv:2004.12704},
year = {2020}
}
备注
ACL 2020 (long paper)