面向文本的問題生成是從給定的句子或段落中生成相關(guān)問題。隨著自然語(yǔ)言生成技術(shù)的不斷發(fā)展,問題生成已經(jīng)成為人工智能領(lǐng)域的研究熱點(diǎn)。該任務(wù)要求系統(tǒng)不僅對(duì)輸入文本有充分理解,還需要對(duì)相關(guān)上下文具備一定推理能力。目前,主要采用序列到序列的神經(jīng)網(wǎng)絡(luò)模型針對(duì)包含答案的句子生成問題。然而這些方法存在的主要問題:(1)生成的疑問詞與答案類型不匹配;(2)問題與答案的相關(guān)性不強(qiáng);(3)問題表述不清晰等。本文針對(duì)上述問題展開研究,具體如下:(1)針對(duì)生成的疑問詞與答案類型不匹配以及問題與答案的相關(guān)性不強(qiáng)的問題,本文采用基于答案及其上下文信息的問題生成模型來解決。該模型的主要思想是:首先根據(jù)答案與上下文信息的關(guān)系確定與答案類型匹配的疑問詞;然后利用答案及其上下文信息確定問題相關(guān)詞,使問題盡可能使用原句中的詞;最后結(jié)合原句作為輸入來生成問題。從相關(guān)實(shí)驗(yàn)結(jié)果顯示:該模型使得BLEU₄值提高了3%-5%,ROUGE_L值提高了3%-6%。(2)針對(duì)問題表述不清晰的問題,本文采用融合多句信息及強(qiáng)化學(xué)習(xí)的問題生成模型來解決。該模型思想是:首先,通過Transformer模型分別...

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 自然語(yǔ)言生成研究現(xiàn)狀
        1.2.2 問題生成研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 任務(wù)分析
    2.1 問題生成任務(wù)的定義及難點(diǎn)分析
    2.2 相關(guān)數(shù)據(jù)集
    2.3 評(píng)價(jià)指標(biāo)
    2.4 本章小結(jié)
第三章 基于答案及其上下文信息的問題生成模型
    3.1 研究動(dòng)機(jī)
    3.2 具體模型
        3.2.1 疑問詞確定
        3.2.2 問題相關(guān)詞識(shí)別
        3.2.3 問題生成
    3.3 實(shí)驗(yàn)
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)
        3.3.2 實(shí)驗(yàn)設(shè)置
        3.3.3 基線系統(tǒng)
        3.3.4 結(jié)果及分析
    3.4 本章小結(jié)
第四章 融合多句信息及強(qiáng)化學(xué)習(xí)的問題生成模型
    4.1 研究動(dòng)機(jī)
    4.2 模型架構(gòu)
    4.3 多句級(jí)信息獲取
    4.4 基于強(qiáng)化學(xué)習(xí)的問題生成模型
    4.5 實(shí)驗(yàn)
        4.5.1 實(shí)驗(yàn)數(shù)據(jù)
        4.5.2 實(shí)驗(yàn)設(shè)置
        4.5.3 結(jié)果及分析
    4.6 本章小結(jié)
第五章 問題生成原型系統(tǒng)構(gòu)建
    5.1 系統(tǒng)架構(gòu)
    5.2 系統(tǒng)實(shí)現(xiàn)
    5.3 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果
致謝
個(gè)人簡(jiǎn)況及聯(lián)系方式



本文編號(hào)：3765874