针对在线问答社区(如Stack Overflow)难以及时、恰当回应用户提问的问题,本文提出HintMiner,一种自动挖掘问题提示的工具,帮助用户找到答案。该方法结合机器阅读理解与序列生成技术,先从大量网络问答帖子中检索内容,再通过基于语言模型构建的MiningNet提取提示。MiningNet是一个基于Transformer和复制机制的神经编码器-解码器模型,研究利用海量在线问答帖子设计自监督目标对其进行训练。作者在6万个Stack Overflow问题上进行评估,结果显示该方法有效,平均BLEU得分为36.17%,平均ROUGE-2得分为36.29%,且工具与实验数据已公开。
| HintMiner | 本文提出的自动问题提示挖掘工具,能从问答帖子中为用户问题生成提示。 |
| MiningNet | 基于语言模型构建的神经编码器-解码器模型,用于从问答帖子中提取提示。 |
| 自监督学习 | 利用数据自身结构设计训练目标,无需人工标注标签的学习范式。 |
| Transformer | 一种基于自注意力机制的神经网络架构,广泛用于序列建模任务。 |
| 复制机制 | 一种允许生成模型直接从输入中复制词汇的机制,常用于文本摘要和生成任务。 |
📱 每天一份 AI 前沿日报
关注公众号,每天 09:00 推送 · 不错过任何重磅