用于提高回复率的视觉问题重写
计算机视觉与模式识别
2021-06-07 v1 人工智能
机器学习
摘要
当人在线提问，或对话式虚拟代理向人提问时，引发情绪或带有细节的问题可能更易获得回复或答案。我们探索如何自动重写自然语言问题以提高人的回复率。特别地，引入一项新的视觉问题重写（VQR）任务，以探究如何利用视觉信息改进新问题。我们收集了一个包含约 4K 个平淡问题、吸引人问题及图像三元组的数据集。我们开发了若干基线序列到序列模型及更先进的基于 transformer 的模型，其以平淡问题与相关图像为输入，输出预期更具吸引力的重写问题。离线实验与基于 Mechanical Turk 的评估表明，以更详细且吸引人的方式重写平淡问题以提高回复率是可行的，且图像可提供帮助。
引用
@article{arxiv.2106.02257,
title = {Visual Question Rewriting for Increasing Response Rate},
author = {Jiayi Wei and Xilian Li and Yi Zhang and Xin Wang},
journal= {arXiv preprint arXiv:2106.02257},
year = {2021}
}