面向文本的问题自动生成研究

发布时间：2023-03-19 20:02

　　面向文本的问题生成是从给定的句子或段落中生成相关问题。随着自然语言生成技术的不断发展,问题生成已经成为人工智能领域的研究热点。该任务要求系统不仅对输入文本有充分理解,还需要对相关上下文具备一定推理能力。目前,主要采用序列到序列的神经网络模型针对包含答案的句子生成问题。然而这些方法存在的主要问题:(1)生成的疑问词与答案类型不匹配;(2)问题与答案的相关性不强;(3)问题表述不清晰等。本文针对上述问题展开研究,具体如下:(1)针对生成的疑问词与答案类型不匹配以及问题与答案的相关性不强的问题,本文采用基于答案及其上下文信息的问题生成模型来解决。该模型的主要思想是:首先根据答案与上下文信息的关系确定与答案类型匹配的疑问词;然后利用答案及其上下文信息确定问题相关词,使问题尽可能使用原句中的词;最后结合原句作为输入来生成问题。从相关实验结果显示:该模型使得BLEU₄值提高了3%-5%,ROUGE_L值提高了3%-6%。(2)针对问题表述不清晰的问题,本文采用融合多句信息及强化学习的问题生成模型来解决。该模型思想是:首先,通过Transformer模型分别...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 自然语言生成研究现状
        1.2.2 问题生成研究现状
    1.3 本文主要研究内容
    1.4 论文组织结构
第二章 任务分析
    2.1 问题生成任务的定义及难点分析
    2.2 相关数据集
    2.3 评价指标
    2.4 本章小结
第三章 基于答案及其上下文信息的问题生成模型
    3.1 研究动机
    3.2 具体模型
        3.2.1 疑问词确定
        3.2.2 问题相关词识别
        3.2.3 问题生成
    3.3 实验
        3.3.1 实验数据
        3.3.2 实验设置
        3.3.3 基线系统
        3.3.4 结果及分析
    3.4 本章小结
第四章 融合多句信息及强化学习的问题生成模型
    4.1 研究动机
    4.2 模型架构
    4.3 多句级信息获取
    4.4 基于强化学习的问题生成模型
    4.5 实验
        4.5.1 实验数据
        4.5.2 实验设置
        4.5.3 结果及分析
    4.6 本章小结
第五章 问题生成原型系统构建
    5.1 系统架构
    5.2 系统实现
    5.3 本章小结
第六章 结论与展望
    6.1 结论
    6.2 展望
参考文献
攻读学位期间取得的研究成果
致谢
个人简况及联系方式



本文编号：3765874