自动话语生成
本文介绍了我们使用传统语言学方法和多种机器学习技术生成英语非结构化文本问句的框架,并且加入了问题评估模块,最终证明我们的生成问题质量优于其他最好的系统,并且与人类创建的问题相当。
May, 2022
该研究采用基于注意力机制的序列自学习模型进行阅读理解中基于句子的自动问题生成,相比于之前的工作,该模型不依赖于手工规则或复杂的自然语言处理技术,并在人工和自动评估中都呈现出更加自然和困难的问题。
Apr, 2017
该研究提出了一个自然语言生成系统,使用机器翻译和深度循环神经网络来生成语言交互和注释,并在 ASk 技能上评估其对 NLU 模型的影响,在未见过的技能中得到显着改善。
Jun, 2020
本篇论文研究了一种使用深度生成模型(VAE)与序列到序列模型(LSTM)相结合的方法来自动生成给定句子的同义句,相对于现有方法具有更好的性能和简洁的模块化结构。
Sep, 2017
本文介绍了 ParaQG, 一种基于序列到序列技术的 Web 服务,通过交互式界面,从句子和段落中生成问题,并利用多种分组和过滤技术使生成问题的过程用户友好化。
Sep, 2019
基于 TREC CAsT 基准数据集,我们提出了一种基于生成式 AI 模型的信息检索方法,通过逐步聚合句子级别的分类预测来估计最终的可回答性,从而解决系统信任度以及问题回答精准性的挑战。
Jan, 2024
该研究提出了一种基于改写生成的方法,可以减少创建新对话代理所需要的时间和成本,同时提高其性能,使其能够实际与真实用户进行交互。实验证明该方法提高了意图分类模型的泛化能力,有助于在组织范围内规模化部署这项技术。
Apr, 2022
利用释义学习问题表达的多样性来提高询问回答系统在 Freebase 和句子选择上的准确性。通过训练端到端来直接学习最有可能产生正确答案的语言表达,得到了有竞争力的结果。
Aug, 2017
本文介绍了一种将 APIs 与聊天机器人相融合的方案,旨在帮助缺乏技术能力的业务用户实现自动化解决方案。文中提出了一种生成句子训练意图识别模型的系统,并使用深度学习模型进行评估,结果显示很有前景,在系统中引入人的参与将进一步提高系统性能。
Jun, 2022
我们设计了一种教育应用的问答生成自动化系统,可以为幼儿园到八年级的阅读材料生成测试学生理解能力的问题与答案对,并在自动评估和人工评估中证明其优于当前先进的问答生成基线系统。同时,我们还在此基础上开始构建一个交互式的故事讲述应用程序,用于未来在教育领域的实际部署。
Sep, 2021