于尊瑞，毛震东，王 泉，张勇东

（1.中国科学技术大学 信息科学技术学院，合肥 230000；2.北京百度网讯科技有限公司，北京 100000）

0 概述

随着自动对话机器人、电子客服、问答式智能搜索等技术的广泛应用，人与机器之间的交流变得越来越自然流畅，然而，计算机准确理解和使用自然语言的水平仍有待进一步提高。问题生成技术在对话机器人［1］、教育［2-4］、搜索［5］等领域具有重要的应用价值，例如：训练问答模型、智能搜索模型等系统需要大量的“段落-问题-答案”数据，人工标注数据需要耗费巨大的人力、物力以及财力，而互联网（如百度百科、新华网等）中拥有海量的无标注文本数据，利用问题生成技术可以从无标注的文本段落中生成海量的“段落-问题-答案”数据［6-8］，从而完成自动问答系统训练［9］。因此，提升问题生成技术的性能具有重要的实用与科研价值。

早期的问题生成研究多数采用基于语法规则和模板的方法，将问题生成任务拆分为“问什么”和“怎么问”2 个子任务［10］。具体步骤为：利用语言学知识设计规则和模板，根据输入文本的语法结构等信息自动从文本中提取出所需要的内容，然后填入预先构建好的问题句模板中，形成问句［11-13］。然而，此类方法依赖既定规则，不能根据数据自适应不同的文本领域，迁移成本过高，难以被广泛应用。

随后，“序列到序列”编码器-解码器神经网络被广泛应用于问题生成任务。文献［4］利用“序列到序列”编码器-解码器神经网络模型，根据所给的一个句子生成问题，但其不能输入给定答案信息，导致适用范围受限。……