释义生成的深层生成框架

摘要

释义生成是NLP中的一个重要问题，特别是在问答、信息检索、信息提取、会话系统等方面。在本文中，我们解决了自动生成转述的问题。我们提出的方法是基于深度生成模型（VAE）和序列到序列模型（LSTM）的组合，在给定输入句子的情况下生成复述。传统的VAE与递归神经网络相结合可以生成自由文本，但不适用于特定句子的释义生成。我们通过调节VAE的编码器和解码器两侧对原始句子的条件来解决这个问题，以便它能够生成给定句子的复述。与大多数现有模型不同，我们的模型简单、模块化，可以为给定句子生成多个释义。在基准释义数据集上对所提方法进行的定量评估证明了其有效性，并且与最先进的方法相比，其性能有了显著提高，而人类定性评估表明，生成的释义格式良好，语法正确，和与输入句子相关。此外，我们在一个新发布的问题复述数据集上评估了我们的方法，并为未来的研究建立了新的基线。