論文の概要: Educational Question Generation of Children Storybooks via Question Type Distribution Learning and Event-Centric Summarization

• arxiv url: http://arxiv.org/abs/2203.14187v1
• Date: Sun, 27 Mar 2022 02:21:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-29 16:07:25.003864
• Title: Educational Question Generation of Children Storybooks via Question Type Distribution Learning and Event-Centric Summarization
• Title（参考訳）: 質問型分布学習とイベント中心要約による児童ストーリーブックの教育的質問生成
• Authors: Zhenjie Zhao, Yufang Hou, Dakuo Wang, Mo Yu, Chengzhong Liu, Xiaojuan Ma
• Abstract要約: 本稿では,まず,入力記事段落の質問型分布を学習する新しい質問生成手法を提案する。 学習用問合せペアで構成された銀のサンプルを用いて,事前学習したトランスフォーマーに基づくシーケンス・ツー・シーケンス・モデルを構築する。 本研究は,質問型分布学習とイベント中心の要約生成の分離の必要性を示唆するものである。
• 参考スコア（独自算出の注目度）: 59.18781827897894
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Generating educational questions of fairytales or storybooks is vital for improving children's literacy ability. However, it is challenging to generate questions that capture the interesting aspects of a fairytale story with educational meaningfulness. In this paper, we propose a novel question generation method that first learns the question type distribution of an input story paragraph, and then summarizes salient events which can be used to generate high-cognitive-demand questions. To train the event-centric summarizer, we finetune a pre-trained transformer-based sequence-to-sequence model using silver samples composed by educational question-answer pairs. On a newly proposed educational question answering dataset FairytaleQA, we show good performance of our method on both automatic and human evaluation metrics. Our work indicates the necessity of decomposing question type distribution learning and event-centric summary generation for educational question generation.
• Abstract（参考訳）: 童話やストーリーブックの教育的質問を生み出すことは、児童のリテラシー能力を向上させるのに不可欠である。 しかし、おとぎ話の興味深い側面を教育的な有意義さで捉えた疑問を生み出すことは困難である。 本稿では、まず、入力されたストーリー段落の質問型分布を学習し、その後、高度な要求質問を生成するのに使用できるサルエントイベントを要約した新しい質問生成手法を提案する。 イベントセントリック・サマリーサを訓練するために,教育用質問者ペアで構成した銀サンプルを用いて,事前学習したトランスフォーマト・シーケンス・ツー・シーケンスモデルを微調整する。 提案する学習質問応答データセットfairytaleqaでは,提案手法が自動評価と人間評価指標の両方において優れた性能を示す。 本研究は,質問型分布学習とイベント中心要約生成の分離の必要性を示唆するものである。

関連論文リスト

• Qsnail: A Questionnaire Dataset for Sequential Question Generation [76.616068047362]
  質問紙作成作業に特化して構築された最初のデータセットについて述べる。 我々はQsnailの実験を行い、その結果、検索モデルと従来の生成モデルが与えられた研究トピックや意図と完全に一致していないことが明らかとなった。 チェーン・オブ・シークレット・プロンプトと微調整による改善にもかかわらず、言語モデルによるアンケートは、人間の手書きのアンケートには及ばない。
  論文  参考訳（メタデータ） (2024-02-22T04:14:10Z)
• Improving Reading Comprehension Question Generation with Data Augmentation and Overgenerate-and-rank [3.854023945160742]
  自動回答対応読解質問生成は、教育活動における学習者支援を拡大する大きな可能性を秘めている。 この設定における重要な技術的課題の1つは、複数の質問があり得るということです。 本研究では,(1)同じ文脈と回答を与えられた多様な質問でトレーニングデータセットを充実させるデータ拡張手法,(2)候補のプールから最適な質問を選択する過剰な生成とランクの手法を提案する。
  論文  参考訳（メタデータ） (2023-06-15T04:23:25Z)
• What should I Ask: A Knowledge-driven Approach for Follow-up Questions Generation in Conversational Surveys [63.51903260461746]
  対話型調査における知識駆動型フォローアップ質問生成のための新しい課題を提案する。 そこで我々は,対話履歴とラベル付き知識を用いた人手によるフォローアップ質問の新しいデータセットを構築した。 次に,その課題に対する2段階の知識駆動モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-23T00:57:33Z)
• Summarization with Graphical Elements [55.5913491389047]
  本稿では,グラフィカル要素による要約という新しい課題を提案する。 タスクの研究を支援するために,高品質なラベル付きデータセットを収集する。
  論文  参考訳（メタデータ） (2022-04-15T17:16:41Z)
• Fantastic Questions and Where to Find Them: FairytaleQA -- An Authentic Dataset for Narrative Comprehension [136.82507046638784]
  幼稚園児の物語理解に焦点を当てたデータセットであるFairytaleQAを8年生に紹介する。 FairytaleQAは10,580の明示的で暗黙的な質問で構成されており、278の子供フレンドリーな物語から導かれる。
  論文  参考訳（メタデータ） (2022-03-26T00:20:05Z)
• It is AI's Turn to Ask Human a Question: Question and Answer Pair Generation for Children Storybooks in FairytaleQA Dataset [30.557699346777582]
  教育応用においては、教師や親は、言語学習結果を最大化できる子どもにどんな質問をすべきか分からないことがある。 新たにリリースされた書籍QAデータセット(FairytaleQA)を用いて,本アプリケーションのための自動QA生成モデルアーキテクチャを開発した。
  論文  参考訳（メタデータ） (2021-09-08T04:11:54Z)
• Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
  InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。 我々は,読者が情報を求めるための実践的な戦略に携わることを示す。 我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
  論文  参考訳（メタデータ） (2020-10-04T19:03:39Z)
• Asking Questions the Human Way: Scalable Question-Answer Generation from Text Corpus [23.676748207014903]
  問合せ型質問生成(ACS-QG)を提案する。 ラベルなしテキストコーパスから高品質で多様な質問応答ペアを大規模に自動生成することを目的としている。 ウィキペディアで見つかった100万の文から、280万の質保証された質問応答ペアを生成することができる。
  論文  参考訳（メタデータ） (2020-01-27T05:27:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。