简单或复杂?基于软模板与深度混合专家模型的复杂度可控问题生成
计算与语言
2021-10-14 v1
摘要
生成具有可控复杂度水平的自然语言问题的能力极为可取,因其进一步拓展了问题生成的应用范围。本文提出一种端到端神经复杂度可控问题生成模型,其引入混合专家(MoE)作为软模板的选择器,以提升复杂度控制的准确度与生成问题的质量。软模板捕捉问题相似性,同时避免了实际模板的昂贵构建。我们的方法引入一种新颖的跨域复杂度估计器来评估问题复杂度,综合考虑篇章、问题、答案及其交互。在两个基准 QA 数据集上的实验结果表明,我们的 QG 模型在自动与人工评测上均优于最优方法。此外,我们的复杂度估计器在域内与域外设置下均显著优于基线。
引用
@article{arxiv.2110.06560,
title = {Simple or Complex? Complexity-Controllable Question Generation with Soft Templates and Deep Mixture of Experts Model},
author = {Sheng Bi and Xiya Cheng and Yuan-Fang Li and Lizhen Qu and Shirong Shen and Guilin Qi and Lu Pan and Yinlin Jiang},
journal= {arXiv preprint arXiv:2110.06560},
year = {2021}
}
备注
Accepted to Findings of EMNLP 2021