RL for Question Generation

Erforschen von fragebetriebenen Belohnungen für die Erzeugung von tiefen Fragen

Dieses Repository enthält Codes und Modelle für das Papier: Erkundung von fragebetriebenen Belohnungen für die Erzeugung von tiefen Fragen (Coling 2020 Oral). Unten ist der Rahmen unseres vorgeschlagenen Modells.

Anforderungen

Umfeld

 pytorch 1.4.0
nltk 3.4.4
numpy 1.18.1
tqdm 4.32.2

Datenvorverarbeitung und Modelle

• Laden Sie hier herunter

Ausbildung

• Führen Sie scripts/train_example.sh um das Ensemble -Modell zu trainieren, das alle drei Belohnungen verwendet.

Übersetzung

• Führen Sie scripts/translate_example.sh um die Vorhersage im Validierungsdatensatz zu erhalten.

Bewertung

Wir verwenden die Bewertungscodes für die Erzeugung von MS Coco caption zur Bewertung der automatischen Metriken.

• So installieren Sie Pycocoevalcap und die Abhängigkeit von Pycocotools, leiten Sie:

 pip install git+https://github.com/salaniz/pycocoevalcap

• Um die Ergebnisse in der übersetzten Datei, z. B. prediction.txt , zu bewerten, rennen Sie:

 python evaluate_metrics.py prediction.txt

Zitat

    @inproceedings{xie-etal-2020-RLQG,
      title = {Exploring Question-Specific Rewards for Generating Deep Questions},
      author = {Xie, Yuxi and Pan, Liangming and Wang, Dongzhe and Kan, Min-Yen and Feng, Yansong},
      booktitle = {The 28th International Conference on Computational Linguistics (COLING 2020)},
      year = {2020}
    }