質問生成と質問応答のための統一クエリベース生成モデル

我々は、質問生成（QG）と質問応答（QA）の両方のタスクを解決するためのクエリベース生成モデルを提案する。このモデルは、古典的なエンコーダ-デコーダフレームワークに従う。エンコーダは、パッセージとクエリを入力として受け取り、複数の視点からクエリとパッセージを照合することでクエリ理解を行う。デコーダは、コピーとカバレッジメカニズムを持つ注意ベースのLong Short Term Memory（LSTM）モデルである。QGタスクでは、システムがパッセージとターゲット答案を与えられた時に質問を生成し、QAタスクでは、質問とパッセージを与えられた時に答えが生成される。トレーニング段階では、ポリシー勾配強化学習アルゴリズムを活用して、クロスエントロピー損失を伴うシーケンス学習から生じる主要な問題である露出バイアスを克服する。QGタスクにおいて、我々の実験は最先端の結果よりも高い性能を示している。自動生成された質問を追加トレーニングデータとして使用すると、強力な抽出QAシステムの性能も向上する。さらに、我々のモデルは生成QAタスクの最先端ベースラインよりも優れた性能を示している。