最新最全论文合集——神经问题生成

AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

必读论文：https://www.aminer.cn/topic

论文集地址：https://www.aminer.cn/topic/6013e1ae92c7f9be21c2bf04

问题生成任务是指从各种各样的输入（如原始文本，数据库，语义表示）自动生成问题。问题生成有很多应用：在教育领域生成问题评估学生；对话系统、阅读理解、问答等等。传统的问题生成主要专注于从一个句子或段落中生成事实性问题。随着深度学习的兴起，不少研究学者提出了端到端的架构。比如Seq2Seq模型联合学习内容选择（encoder）和问题构造（decoder）。在这个模型中，传统的基于语义的内容选择方法被更灵活的方法代替，比如attention、copy机制。问题构造完全变为数据驱动，无须耗费大量人力来构造转换规则。

该论文集共收录81篇论文，引用最多的论文为Generating Factoid Questions With Recurrent Neural Networks: The 30M Factoid Question-Answer Corpus，引用数为171。

AMiner，一个具有认知智能的学术搜索引擎：https://www.aminer.cn

#AMiner# #论文#