面向摘要的信息型查询问题生成
计算与语言
2021-08-06 v2
摘要
用户频繁向问答（QA）系统提出简单事实型问题，削弱了众多近期支持更复杂问题的工作的影响。以自动生成的建议问题（SQs）提示用户，可提升用户对 QA 系统能力的理解，从而促进更有效使用。我们旨在生成自解释的问题，聚焦于文档主要主题，并可用适当可变长度段落作答。我们通过使用在 Natural Questions（NQ）数据集上训练的基于 BERT 的指针生成网络满足这些要求。我们的模型在 NQ 数据集的 SQ 生成上展示出 SOTA 性能（20.1 BLEU-4）。我们进一步将模型应用于域外新闻文章，因缺乏标准问题而使用 QA 系统评估，并证明我们的模型为新闻文章生成更好的 SQs——并通过人工评估进一步确认。
引用
@article{arxiv.2010.09692,
title = {Summary-Oriented Question Generation for Informational Queries},
author = {Xusen Yin and Li Zhou and Kevin Small and Jonathan May},
journal= {arXiv preprint arXiv:2010.09692},
year = {2021}
}
备注
17 pages