谢 红，孙 锐

（乐山师范学院 人工智能学院，四川 乐山 614000）

0 引言

自动问句生成（Question Generation,QG）旨在根据文本段落或上下文生成问题[1]。该任务被广泛地应用于教育、对话、自动问答等领域。在教育领域，问句生成可用于课程材料的评价，亦可作为智能辅助教学的组成部件。通过构建高质量的问题集，对学生知识掌握程度或自主学习能力的评估起到至关重要的作用。在对话领域，生成流畅的问句是对话系统的一个重要技能。作为问答系统（Question Answering,QA）的逆向任务，问题生成具备提供大规模问答对的潜质，可减少构建大规模数据集所需的人力。

1 任务概述

一般地，问句生成的目标为给定源文本生成一个问题集合，其中每个问题均能在文本中找到对应答案。问句生成任务框架如图1 所示，大体分为三个子任务：

图1 问句生成框架

a）内容选择旨在选择和设定待提问的目标或想要的答案，主要解决“问什么”的问题。故需要抓住文本重要信息，标记出待提问的重要属性。

b）问题类型选择旨在给定目标答案后，确定待提问的问题类型（What、When、Who、Which、Where，Why，How 和Yes/No 等）。此子任务常用在基于规则的方法里。在基于神经网络的模型里，问句类型和句法形态可通过语句或词的特征和问句表示的构造来确定。

c）问句构造旨在给定目标和问句类型后构造问句，主要解决“如何问”的问题。此子任务关注如何用自然语言描述待提问的重要属性，因而需聚焦于语法正确性、语义精确性和语言灵活性。

自动问句生成任务面临的挑战有：（a）问题类型众多；……