计算机应用研究

作者：王培冰,张宁,张春,

单位：北京交通大学计算机与信息技术学院,北京100044；

关键词：预训练语言模型,Prompt,澄清问题生成,自然语言系统,

基金：国家重点研发计划资助项目(2019YFB1405202)；；

在自然语言相关系统中，当用户输入存在歧义时，生成澄清问题询问用户有助于系统理解用户需求；基于Prompt的方法可以更好地挖掘预训练语言模型的潜在知识，但往往需要手动设计模板，限制其生成澄清问题的多样性。为解决这一问题，提出了TSCQG（two-stage clarification question generation）方法。首先，在动态Prompt模板生成阶段，利用歧义上下文和预训练语言模型生成动态的Prompt模板；然后在缺失信息生成阶段，将Prompt模板与外部知识相结合，充分利用预训练语言模型的生成能力生成相应的缺失信息。实验结果表明，在CLAQUA数据集的多轮对话情况中，BLEU值和ROUGE-L值分别达到了58.31和84.33，在ClariQ-FKw数据集上，BLEU值和ROUGE-L值分别达到了31.18和58.86。实验结果证明了TSCQG方法在澄清问题生成任务上的有效性。

来源：2024年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第2期