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畅措辞 (phrasing).
我们使用带有全局注意力机制 (