基于Prompt的两阶段澄清问题生成方法

作     者：王培冰 张宁 张春 Wang Peibing;Zhang Ning;Zhang Chun

作者机构：北京交通大学计算机与信息技术学院北京100044 

基　　金：国家重点研发计划资助项目(2019YFB1405202) 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2024年第41卷第2期

页      码：421-425页

摘      要：在自然语言相关系统中,当用户输入存在歧义时,生成澄清问题询问用户有助于系统理解用户需求;基于Prompt的方法可以更好地挖掘预训练语言模型的潜在知识,但往往需要手动设计模板,限制其生成澄清问题的多样性。为解决这一问题,提出了TSCQG(two-stage clarification question generation)方法。首先,在动态Prompt模板生成阶段,利用歧义上下文和预训练语言模型生成动态的Prompt模板;然后在缺失信息生成阶段,将Prompt模板与外部知识相结合,充分利用预训练语言模型的生成能力生成相应的缺失信息。实验结果表明,在CLAQUA数据集的多轮对话情况中,BLEU值和ROUGE-L值分别达到了58.31和84.33,在ClariQ-FKw数据集上,BLEU值和ROUGE-L值分别达到了31.18和58.86。实验结果证明了TSCQG方法在澄清问题生成任务上的有效性。

主 题 词：预训练语言模型 Prompt 澄清问题生成 自然语言系统 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19734/j.issn.1001-3695.2023.07.0271

馆 藏 号：203126100...