基于Generator-Evaluator框架的在线问答社区问题描述动态生成研究  

Dynamic Generation of Question Description from Online Q&A Community Based on Generator-Evaluator Framework

作　　者：李莹 李明[1] Li Ying;Li Ming(School of Economics and Management,China University of Petroleum,Beijing 102249,China)

机构地区：[1]中国石油大学(北京)经济管理学院,北京102249

出　　处：《数据分析与知识发现》2025年第2期71-80,共10页Data Analysis and Knowledge Discovery

基　　金：教育部人文社会科学研究青年基金项目(项目编号:21YJCZH070);国家自然科学基金面上项目(项目编号:72271244);国家留学基金资助项目(项目编号:202206440091)的研究成果之一。

摘　　要：【目的】提出基于Generator-Evaluator框架的问题描述动态生成方法,以能够更准确地掌握与检索问答。【方法】在Generator中,建立融合多种注意力的问答编码层;提出通过双向注意力权重改进指针生成网络以建立解码层。在Evaluator中,综合使用强化学习和交叉熵建立混合评估器以优化Generator,设计面向问题描述生成的奖励函数,以建立最优的问题描述生成模型。【结果】使用webtext2019zh公开数据集进行实验,结果表明所提出的问题描述动态生成方法在句法方面的RBMean指标和语义方面的CRMean指标分别提升15.26%与3.34%。【局限】仅基于问题标题与答案进行研究,未结合答案评论构建更丰富的奖励函数。【结论】通过所提方法能够生成既覆盖原始问题内容,又体现最新答案知识的问题描述。[Objective]This paper proposes a dynamic generation method for question descriptions based on the Generator-Evaluator Framework to capture and retrieve Q&A content.[Methods]In the Generator module,we constructed a Q&A encoding layer integrating multiple attention mechanisms.Then,we improved the pointergenerator network with bidirectional attention weights to establish the decoding layer.In the Evaluator module,we constructed a hybrid evaluator by combining reinforcement learning and cross-entropy to optimize the Generator.We also designed reward functions specific to question descriptions to build the optimal question description generation model.[Results]We conducted an experiment using the public dataset"webtext2019zh",and the proposed method improved the syntactic and semantic performance by 15.26%and 3.34%,on average.[Limitations]This study only focused on the question titles and answers without incorporating answer comments to construct a richer reward function.[Conclusions]The proposed method can generate question descriptions that cover the original question content and reflect the latest answer knowledge.

关 键 词：问题描述生成 在线问答社区 Generator-Evaluator框架 混合评估器 

分 类 号：TP393[自动化与计算机技术—计算机应用技术] G250[自动化与计算机技术—计算机科学与技术]