叶 子，陈小平，张 波，欧阳昱，刘辉舟

1(中国科学技术大学 计算机科学与技术学院，合肥 230027)

2(国网安徽省电力有限公司，合肥 230022)

1 引 言

近年来，智能问答技术在诸多领域得到了广泛应用，例如教育、医疗和电力等[1].传统问答系统由于缺乏知识和推理能力始终存在提升瓶颈，因此，基于知识库的问答方法成为了研究问答技术的主流方向.

知识图谱具有高效表达海量知识、深度知识推理、与领域知识高度关联等优势[2]，是知识问答的优质知识来源.然而，基于知识图谱的问答技术目前尚处于起步阶段，现有中文知识图谱问答语料库大多存在规模较小，质量较差的问题，这严重制约了中文知识图谱问答技术的发展.

问题生成是利用文本数据生成自然语言形式问题的一种技术[3].文本数据可以是结构化的知识库、句法树等，也可以是篇章级文本或完整的问答语料.简单来说，问题生成是人工智能“主动提问”的技术，它的目标是生成正确且多样的问题.有了问题生成技术，以中文知识图谱三元组作为输入生成对应问题，可以生成中文知识图谱问答训练语料.不仅如此，问题生成技术对自动合成FAQ文档，自动辅导系统等应用场景也具有重要意义.

现有的问题生成方法大多是基于规则的方法，这些方法对模板的质量和数量要求较高，较为耗费人力资源，泛化能力较弱，对大规模数据的处理能力有限.要弥补这些不足，需要问题生成模型充分获取……