Key points are not available for this paper at this time.
La génération automatique de sujets en essais est une tâche difficile car elle nécessite de générer un texte au niveau des paragraphes qui soit novateur, divers et cohérent avec le sujet donné un ensemble de sujets en entrée. Les travaux précédents ont tendance à effectuer la génération d'essais en se basant uniquement sur les sujets donnés tout en ignorant d'importantes connaissances de bon sens. Cependant, ces connaissances de bon sens fournissent des informations contextuelles supplémentaires, qui peuvent aider à générer des essais plus novateurs et diversifiés. Dans cette optique, nous proposons d'intégrer les connaissances de bon sens de la base de connaissances externe dans le générateur à travers un mécanisme de mémoire dynamique. De plus, l'entraînement antagoniste basé sur un discriminateur multi-label est employé pour améliorer encore la cohérence avec le sujet. Nous développons également une série de métriques d'évaluation automatique pour évaluer de manière exhaustive la qualité de l'essai généré. Les expériences montrent qu'avec des connaissances de bon sens externes et un entraînement antagoniste, les essais générés sont plus novateurs, divers et cohérents avec le sujet que les méthodes existantes tant en termes d'évaluation automatique qu'humaine.
Yang et al. (Tue,) ont étudié cette question.