qg_survey
文章平均质量分 93
综述
gggggg159753asda
gg
展开
-
A Review on Question Generation from Natural Language Text
基于模板的方法 分为三类最近,我们见证了 QG 领域深度神经模型的蓬勃发展。神经 QG 模型提供了一个完全数据驱动的端到端可训练框架,其中内容选择和问题构建可以联合优化。与之前的基于规则的方法相比,神经 QG 模型在问题流畅性和多样性方面都显示出很大的优势。不失一般性,大多数神经方法将 QG 任务制定为序列到序列 (Seq2Seq) 问题,并设计不同类型的编码器和解码器以提高生成问题的质量。原创 2023-11-05 00:26:56 · 61 阅读 · 0 评论 -
A Systematic Review of Automatic Question Generation for Educational Purposes
研究最多的领域是语言学习(20 项研究),然后是数学和医学(每四项研究)。请注意,对于这三个领域专业组织(例如英语测试为外语 (TOEFL)、国际英语语言测试系统 (IELTS) 和国际语言交流 (TOEIC) 英语测试 (TOEIC) 开发的大型标准化测试,用于数学和医学董事会考试)。这些测试需要持续供应新问题。我们相信这是为这些领域生成问题感兴趣的原因。我们还根据属于其他领域的问题,将语言学习领域的兴趣归因于生成语言问题的难易程度。原创 2023-11-04 15:49:50 · 54 阅读 · 0 评论