朱磊，焦瑞，黑新宏*，赵钦，姚燕妮，方潇颖，杨明松，盘隆

（1. 西安理工大学 计算机科学与工程学院，陕西 西安 710048；2. 轨道交通工程信息化国家重点实验室（中铁一院），陕西 西安 710043；3. 腾讯计算机系统有限公司，广东 深圳 518000）

0 引言

随着人工智能和大数据技术的不断发展，智能问答系统正在急速改变着人们的生活方式，也大大提升工作效率和使用体验。问题生成QG（Ques⁃tion Generation）作为问答系统的基本任务，其目标是给定句子或段落，自动生成自然语言问题［1-2］。该任务已经被广泛应用到很多领域，例如教育、医疗、物联网等［3-5］。在教育领域，通过对给定的句子和段落进行阅读理解式地生成自然语言问题来辅助学习和教学任务［1］。针对土木建筑行业，问题生成可被用来构建对话机器人，辅助从业人员快速地查找和学习领域知识。此外，问答系统还可用来自动化构建问答数据集，从而大大降低人工标注工作量［2］。同时，包含斯坦福问答数据集SQuAD(The Stan⁃ford Question Answering Dataset)［5］和 微 软 阅 读 理 解数据集MS MARCO(Microsoft Machine Reading Comprehension)［6］的 人 工 标 注 数 据 集 也 在 一 定 程 度上促进了问题生成方法的快速发展。

表1 列出了多个土木建筑行业中文本生成自然语言问题的实例。这些问题生成实例可以帮助土木建筑信息领域的教师教学，专业人员进行智能安全评估，从业人员学习和复习，还可以辅助自动生成该领域问答系统的训练数据集。由于土木建筑行业背景知识的缺失，现存的问题生成方法和模型不能直接应用到土木建筑行业的自动问题生成。……