RL for Question Generation

探索特定问题的奖励，以产生深入的问题

该存储库包含本文的代码和模型：探索特定问题的奖励，以产生深层问题（Coling 2020口头）。以下是我们提出的模型的框架。

要求

环境

 pytorch 1.4.0
nltk 3.4.4
numpy 1.18.1
tqdm 4.32.2

数据预处理和模型

• 在这里下载

训练

• 运行scripts/train_example.sh以训练利用所有三个奖励的集成模型。

翻译

• 运行scripts/translate_example.sh以获取验证数据集上的预测。

评估

我们使用MS COCO字幕生成的评估代码来评估自动指标。

• 要安装pycocoevalcap和pycocotools依赖性，请运行：

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

• 为了评估翻译文件中的结果，例如prediction.txt ，运行：

 python evaluate_metrics.py prediction.txt

引用

    @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}
    }