《A Deep Generative Framework for Paraphrase Generation》论文笔记

另一篇更好的理解：https://ldzhangyx.github.io/2018/09/26/deep-para-generation/

 

Abstract 

意译生成是 NLP 中的一个重要问题, 特别是在问答、信息检索、信息抽取、会话系统等几个方面。本文讨论了自动生成释义的问题。我们提出的方法是基于深度生成模型 (VAE) 与序列-序列模型 (LSTM) 的组合生成释义, 给定一个输入句子。传统的VAEs 与递归神经网络相结合可以生成自由文本, 但不适合给定句子的意译生成。我们通过对 VAE 的编码器和解码器两侧进行调理来解决这一问题, 使其能够生成给定句子的释义。与大多数现有模型不同, 我们的模型简单, 模块化, 可以生成多个释义, 为给定的句子。对基准意译数据集所建议方法的定量评估表明了其有效性, 其性能在最先进的方法上得到了显著的提高, 而定性的人的评价表明生成的释义格式良好, 语法正确, 与输入语句相关。此外, 我们对新发布的问题意译数据集的方法进行了评估, 并为未s来的研究建立了一个新的基线

 

Introduction

对于问答系统来说很重要的是用户问题的解释，生成模型的问题变体，以及在机器翻译的生成模型变体都不错。