- 命题逻辑等价关系自动问句生成
通过使用自动化问题生成的方法,我们实现了针对每个学生的定制问题,研究了针对离散数学的逻辑等价问题的自动问题生成方法,并证实了该方法在教育中自动化问题生成方面的实用性。
- 多模式考量下的问题生成技术研究
我们研究了从多模态源(包含图像和文本)中自动生成问题(QG)的新问题,明显扩展了现有工作的范围,后者仅关注从文本源生成的 QG。我们提出了一个简单的解决方案,名为 MultiQG-TI,它使得仅基于文本的问题生成器能够处理视觉输入。我们通过 - InteractiveIE: 评估人工智能协作强度,提高信息提取性能
本文探讨在缺乏预定义模板情况下,如何从零或最少的监督中从文档中归纳模板,以及如何使用自动问答生成来实现这个目标,结合少量人工监督提高模型的性能。实验结果表明,这种 InteractiveIE 方法在对昂贵的生物医药和法律文件进行信息提取时能 - AAAI用科学文本进行预训练,提高教育问题生成质量
本研究基于大型语言模型开发了 EduQG,该模型能够自动生成出优质的教育问题,以实现在数字化教育材料和可扩展的 e-learning 系统背景下的 AI 协助个性化学习。
- 自动生成阅读理解基础问题与答案的瑞典语版
使用 Quinductor 方法自动生成阅读理解问题的质量得到了评估,揭示了 Quinductor 是一种可行的 QG 方法,并可以为基于神经网络的 QG 方法提供强大的基础。
- 基于机器学习方法的句子结构分析自动生成问题
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。
- 印度尼西亚自动提问生成器的序列到序列学习
本研究构建了一个基于印尼语的自动问题生成器,使用 BiGRU、BiLSTM 和 Transformer 结构,加入语言特征、复制机制和覆盖机制,使用 SQuAD v2.0 数据集并成功实现了自动化生成问题,表现出较好的性能。
- 自动从长答案生成问题的研究
提出了一种新的评估基准用于评估现有的自动生成问题系统的性能,特别是长文本答案下的自动生成问题系统。研究表明,随着答案长度的增加,现有 AQG 方法的性能显著下降,变压器模型在长答案方面的表现优于其他 AQG 方法,但仍存在性能下降的情况,这 - 学习提问以回答问题:获取 GPT-2 和 BERT 的最大优势
本文利用变压器模型和深度神经网络提出了一种有效的自动生成问题的方法,并通过 SQuAD 1.1 数据集实验证明所提出的模型可以产生语义正确且多样化的问题,并且在半监督学习中表现优异,为小数据领域内的问题生成提供了强大的支持。
- 提升问题生成的上下文捕获能力
本文旨在通过运用多阶段关注机制和序列到序列模型,在长文档的背景下产生更真实的问题,结果表明在 SQuAD、MS MARCO 和 NewsQA 三个问答数据集上,该方法优于现有方法。
- EMNLP再次提问:用于自动问题生成的网络优化
本文将重点放在自动生成问题 (AQG) 的任务上,同时提出了一种名为 Refine Network (RefNet) 的方法,其中包含两个解码器,第二个解码器使用了双重注意力网络,通过重视原始段落和第一个解码器生成的问题(即初始草稿)的注意 - IJCAI弱监督增强的生成网络对于问题生成
本文介绍了一种新的自动问答生成模型 WeGen,采用 Weak Supervision Enhanced Generative Network 和 Multi-Interaction mechanism 技术,在自动评估和人工评估实验中表现 - ACL自动问题生成的跨语言训练
研究了如何使用在次语言上的问题生成数据集来学习主要语言的问题生成模型,提出了一种跨语言问题生成模型的联合训练方法,使用 Hindi 和中文两种主要语言的数据集进行实验,获得了理想的效果,并创建并发布了一个新的 Hindi 问答数据集。
- WWW学习通过学习不生成的内容来生成问题
本研究提出了一种基于 Clue Guided Copy Network 的自动问答生成模型,通过多任务学习和复制机制的应用,显著提高了问题生成的性能并超越了所有现有的神经网络问题生成模型。
- 将马放在车前:一种从文本生成问题的生成器 - 评估框架
采用新颖的生成 - 评估框架,结合结构和语义优化自动生成问题,采用生成器和评估器模型,引入复制和覆盖机制,提出两个新的针对 QG 特定的奖励函数,综合利用 BLEU,GLEU 和 ROUGE-L 等评价指标,在 SQuAD 基准测试上,相较 - ACL学会提问:神经网络阅读理解问题生成
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。
- EMNLP基于文本的神经问答生成:初步研究
本研究提出了一种基于神经编码器 - 解码器模型的自动问题生成方法,可以根据给定的段落生成多样化、有意义的问题并利用 SQuAD 数据集进行了初步实验研究,实验结果显示该方法可以产生流畅且多样化的问题。