Syn-QG：面向问题生成的句法与浅层语义规则
计算与语言
2022-11-29 v5 人工智能
摘要
问题生成（QG）本质上是一种简单的句法转换；然而，语义的诸多方面会影响哪些问题适合形成。我们通过开发SynQG来实现这一观察，这是一组透明的句法规则，利用通用依赖、浅层语义分析、词汇资源和自定义规则，将陈述句转换为问答对。我们利用PropBank论元描述和VerbNet状态谓词来融入浅层语义内容，这有助于生成描述性问题，并产生比现有系统更具推理性和语义更丰富的问题。为了提高句法流畅性并消除语法错误的问题，我们在这些句法规则的输出上采用反向翻译。一组众包评估表明，我们的系统能够生成比以往QG系统数量更多、语法正确且相关的问题，并且反向翻译在略微增加生成不相关问题代价的情况下，大幅提升了语法正确性。
引用
@article{arxiv.2004.08694,
title = {Syn-QG: Syntactic and Shallow Semantic Rules for Question Generation},
author = {Kaustubh D. Dhole and Christopher D. Manning},
journal= {arXiv preprint arXiv:2004.08694},
year = {2022}
}
备注
Removed Table 5 of earlier version since row 1,4 couldn't be reproduced