028 | ACL 2018论文精读：问答系统场景下，如何提出好问题？
洪亮劼
该思维导图由 AI 生成，仅供参考
今年 7 月 15 日~20 日，计算语言学协会年会 ACL 2018（56th Annual Meeting of the Association for Computational Linguistics），在澳大利亚的墨尔本举行，这是自然语言处理和计算语言学领域的顶级会议。
计算语言学协会（ACL）最早成立于 1962 年，每年都赞助举行各种学术交流和研讨大会。ACL 大会是 ACL 的旗舰会议，可以说这个会议是了解自然语言处理每年发展情况的重量级场所。
会议今年收到了 1018 篇长论文和 526 篇短论文的投稿。最终，大会接收了 256 篇长论文以及 125 篇短论文，综合录用率达到 24.7%。
今天，我们来看这次会议的一篇最佳论文，题目是《学习提出好问题：使用完美信息的神经期望价值对澄清问题进行排序》（Learning to Ask Good Questions: Ranking Clarification Questions using Neural Expected Value of Perfect Information）。
首先给你简单介绍下论文的作者。
第一作者萨德哈·饶（Sudha Rao）来自马里兰大学学院市分校（University of Maryland, College Park），是计算机系的博士生。她已经在 ACL，EMNLP、NAACL 等自然语言处理大会上发表了多篇论文，并且在微软研究院实习过。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
ACL 2018最佳论文《学习提出好问题：使用完美信息的神经期望价值对澄清问题进行排序》关注问答系统中的“澄清式提问”，旨在引导回答者更有效地解答问题。作者提出了一系列方法来描述和衡量澄清式问题，并构建了一个数据集进行实验验证。论文的核心方法包括利用决策论框架下的EVPI来衡量澄清式问题的价值，并通过神经网络模型进行联合学习。实验结果表明，提出的模型能更好地找到最佳的澄清式问题，效果优于仅利用神经网络匹配问题的方法。这篇论文的贡献在于引入了“澄清式提问”概念，提出了衡量澄清式问题价值的方法，并通过实验证明了其有效性。这为问答系统的开发提供了新的思路和方法。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《AI 技术内参》，新⼈⾸单¥98
《AI 技术内参》，新⼈⾸单¥98
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(2)
- 最新
- 精选
- 胡杰可不可以理解为澄清式问题就是原始问题集合中信息量最大的问题呢？2020-03-18
叶晓锋澄清式问题的目的是要获取更多的信息，帮助回答原始问题。澄清式问题的优劣在于问题所能获取的信息是否有助于为原始问题提供更多信息。具体说，作者认为某问题导致了原始问题的更新，这个就是原始问题，继续，如果更新原始问题导致了后续的回答，原始问题就被认为得到最终回答。2018-08-23
收起评论