保持渴求，保持专注：在信息寻求对话中生成信息丰富且具体的提问
计算与语言
2020-10-21 v2
摘要
我们研究信息非对称对话中生成信息丰富提问的问题。与先前在很大程度上假设已知答案可能所在的提问生成工作不同，我们关注提问者未被给予抽取答案的上下文、而必须基于共享对话历史务实推理如何获取新信息的场景。我们确定了两个核心挑战：（1）形式化定义潜在问题的信息丰富性；（2）探索 prohibitively 庞大的潜在问题空间以寻找优良候选。为生成务实的问题，我们使用强化学习来优化我们提出的信息丰富性度量，并结合旨在促进更具体提问的奖励函数。我们证明由此产生的务实提问者在生成问题的信息丰富性和具体性上较基线模型有实质性提升，这由我们的度量以及人类评估所证实。
引用
@article{arxiv.2004.14530,
title = {Stay Hungry, Stay Focused: Generating Informative and Specific Questions in Information-Seeking Conversations},
author = {Peng Qi and Yuhao Zhang and Christopher D. Manning},
journal= {arXiv preprint arXiv:2004.14530},
year = {2020}
}
备注
Findings of ACL: EMNLP 2020. Code available at: https://github.com/qipeng/stay-hungry-stay-focused