科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】自动生成问句，减轻人工提问(或出题)的工作量，消除合作出题带来的问句难度不可控和维度不全面的问题，鼓励学习者利用智能问句进行深度阅读理解。【方法】基于Transformer的知识图谱的问句生成模型，自动生成类型可控的问句。将知识图谱输入类型可控问句生成(TCQG)模型的Graph Transformer模块中进行图表示学习获得子图向量，然后基于相似度获取每个子图对应的匹配外部问句，再将4MAT问题类型参数和匹配外部问句输入到BiLSTM网络中进行特征学习得到外部增强向量，最后将子图向量和外部增强向量输入到TCQG模型的指针生成网络中实现问句生成。【结果】TCQG模型通过Graph Transformer能更好地对知识图谱进行表示学习，在一跳三元组数据集评测中BLEU值为39.62，在是何问句的评测中BLEU值为38.63，均高于基线模型。【局限】受问题类型的限制，并不能穷举出人类语言中的所有问句类型；此外，并未涉及问句所匹配的应答，因此在现实应用场景中，仍有一定限制。【结论】本研究对生成教学场景中所需的类型多样、语义知识丰富和语言表达自然的问句具有促进作用。
- 单位
