哪些问题值得回答？——对入党问题的显著性预测
计算与语言
2024-10-04 v2
摘要
入党问题——开放性、探究性的问题，人们在阅读时会提出——是语篇处理（Kehler 和 Rohde, 2017；Onea, 2016）和理解（Prince, 2004）的重要组成部分。近期研究在 NLP 中利用大语言模型（LLM）的问句生成能力，以服务于各种应用。然而，入党问题的空间庞大：给定语境下可引发大量问题。应优先回答哪些问题？语言理论 unfortunately 尚未给出答案。本文提出 QSALIENCE，入党问题显著性预测器。QSALIENCE 在我们收集的 1,766 个（语境、问题）对上，由语言学家标注的显著性评分进行指令微调。若回答该问题能显著提升对文本的理解（Van Rooy, 2003），则该问题在显著性方面得分较高。我们表明，显著性高的問題更可能在同一文章中被回答，桥接潜在问题（Onea, 2016）与讨论中的问题（Roberts, 2012）。我们进一步通过表明，回答显著问题是新闻摘要质量的指标。
引用
@article{arxiv.2404.10917,
title = {Which questions should I answer? Salience Prediction of Inquisitive Questions},
author = {Yating Wu and Ritika Mangla and Alexandros G. Dimakis and Greg Durrett and Junyi Jessy Li},
journal= {arXiv preprint arXiv:2404.10917},
year = {2024}
}
备注
Camera Ready for EMNLP 2024 Main Conference