[发明专利]提高相关性的神经问题生成方法

摘要

本发明公开了一种提高相关性的神经问题生成方法。本发明一种提高相关性的神经问题生成方法，包括：基于seq2seq的QG模型，由encoder层和decoder组成，并加入了attention机制和copy机制；基于字符重叠的部分copy机制。本发明的有益效果：通过基于字符重叠度的部分copy机制，我们可以使得生成问题中在单词级别和输入文档具有更高的重叠度和相关性。通过基于QA模型的重排序机制，我们可以为生成的那些质量较好的候选问题赋予更高的分数，而过滤掉那些较为通用的、难以回答的问题。

主权项

1.一种提高相关性的神经问题生成方法，其特征在于，包括：基于seq2seq的QG模型，由encoder层和decoder组成，并加入了attention机制和copy机制。基于字符重叠的部分copy机制：考虑使用最长公共子序列(Longest common subsequence,LCS)来定义单词w1和w2的重叠度C：这里使用一个阈值来对C进行过滤：具体在decoder生成一个单词时，考虑输入文档中与当前生成词attention分数最大的那个单词，并考虑该词和词表中每个单词的重叠度，然后利用这个重叠度来重新调整decoder最后输出的概率分布：P_adj＝P*(1+λ₁*C)。