问题生成(Question Generation,QG)研究是自然语言处理(Natural Language Processing,NLP)中文本生成的一个研究方向,该研究旨在给机器输入一段文本和答案,机器据此进行处理,输出一个或多个与当前文本和答案有关的问题。目前,该研究可...问题生成(Question Generation,QG)研究是自然语言处理(Natural Language Processing,NLP)中文本生成的一个研究方向,该研究旨在给机器输入一段文本和答案,机器据此进行处理,输出一个或多个与当前文本和答案有关的问题。目前,该研究可以应用于教育、医学、自动问答等多个领域中。然而,研究表明当前基于有监督学习的问题生成策略仍然存在很多缺陷。该文首先介绍问题生成的发展过程、求解及处理过程,然后对当前的研究现状进行分析,将问题生成方法分为四类,对每一类方法中具有代表性的模型架构进行分析与对比,最后总结问题生成技术面临的技术难题以及未来的发展方向。展开更多
文摘问题生成(Question Generation,QG)研究是自然语言处理(Natural Language Processing,NLP)中文本生成的一个研究方向,该研究旨在给机器输入一段文本和答案,机器据此进行处理,输出一个或多个与当前文本和答案有关的问题。目前,该研究可以应用于教育、医学、自动问答等多个领域中。然而,研究表明当前基于有监督学习的问题生成策略仍然存在很多缺陷。该文首先介绍问题生成的发展过程、求解及处理过程,然后对当前的研究现状进行分析,将问题生成方法分为四类,对每一类方法中具有代表性的模型架构进行分析与对比,最后总结问题生成技术面临的技术难题以及未来的发展方向。
