RL for Question Generation

Explorando recompensas específicas de las preguntas para generar preguntas profundas

Este repositorio contiene códigos y modelos para el documento: explorar recompensas específicas de las preguntas para generar preguntas profundas (Coling 2020 Oral). A continuación se muestra el marco de nuestro modelo propuesto.

Requisitos

Ambiente

 pytorch 1.4.0
nltk 3.4.4
numpy 1.18.1
tqdm 4.32.2

Preprocesamiento de datos y modelos

• Descargar aquí

Capacitación

• Ejecute scripts/train_example.sh para entrenar el modelo de conjunto que utiliza las tres recompensas.

Traductorio

• Ejecute scripts/translate_example.sh para obtener la predicción en el conjunto de datos de validación.

Evaluación

Tomamos el uso de los códigos de evaluación para la generación de subtítulos de Coco para la evaluación de métricas automáticas.

• Para instalar PyCocoEvalCap y la dependencia de Pycocotools, ejecute:

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

• Para evaluar los resultados en el archivo traducido, por ejemplo , prediction.txt , ejecutar:

 python evaluate_metrics.py prediction.txt

Citación

    @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}
    }