超级会员免费看
该研究提出了一种端到端的神经网络模型，用于自动问题生成，尤其适用于阅读理解。通过全局注意力机制，模型能从输入文本中选择关键信息并生成自然且有挑战性的问题。实验结果显示，该模型在自然度和难度方面超越了基于规则的基线，且在数据增强和教育等领域有广泛应用潜力。
Abstract
- 自动问题生成
- 和之前的方法比，无需依赖手工规则或者复杂的 NLP pipeline.
- sequence-to-sequence learning, end-to-end trainable
- 自动评估
- 超过基于规则的 baseline
- 人工评估
- more natural (语法，流畅度)
- more difficult to answer (syntactic and lexical divergence from the original text and reasoning needed to answer)
Introduction
问题生成适合的应用领域：
- 教育（自动生成阅读理解的问题）
- chatbot (开场提问或者请求反馈)
- 医疗 (评估和提升心理健康)
- 数据增强
构造比较自然又难度适合的问题需要使用 abstractive methods 来生成不是完全和输入文本重叠的流
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
