学术文本中的问题生成与排序：理论、方法与应用

给定摘要（或者全文）文本d＝{w1，w2，w3，…，wm}和标题t，本节所指标题生成任务的目标是从文本中选择合适的词汇序列p替换“基于X的Y研究”中的X和Y占位符以得到生成标题tgenerated，任务的目标是最大化相似度函数sim（t，tgenerated），相似度函数sim（t，tgenerated）用于衡量t和tgenerated的语义相似度。

从文本中生成标题本质上是一个自动摘要（automatic summarization）问题。自动摘要的方法很多，大多数自动摘要方法能够作用于标题生成任务。本节采用了传统自动摘要方法的研究思路，对论文摘要（或全文）中的词汇序列进行排序，利用排序结果生成标题。

无论标题是“基于X的Y”“Y based on X”“Y using X”或者是“X algo-rithm based Y”，等等，一旦能够确定这些标题中的占位符X和Y所指代的词汇的功能，就可以直接使用这些词汇作为标题生成模型的学习依据。记标题为T，标题中的反映核心方法的词汇序列集合为WM＝{p1，…，p m}，反映核心问题的词汇序列集合为WF＝{p′1，…，p′n}，通常，m或者n为1。

为了实现特定形式（这里指类似于“基于X的Y”）标题的自动生成，可以对处理文本中的词汇或者词汇序列使用排序模型进行排序，排序的目标是最大化词汇序列与WM或WF中元素的相似度。例如，对于图4.1所示的文本，为了抽取表示核心问题的词汇序列，排序模型能够得到类似于表4-1所示的排序结果。

表4-1　词汇序列排序示例

(www.xing528.com)

续表

在训练中，可以使用特定形式的标题给出的信息计算词汇序列的得分，但在实际识别中，标题信息并不能被得到。为此，需要使用其他特征构建排序模型，可以使用的特征包括：词汇序列的内部词汇特征、词汇序列前后的词汇特征、词汇序列的句法特征等。

确定词汇序列的特征后，另一个需要解决的问题是如何排序，本章使用机器学习排序的方法，基于词汇序列的特征表示对词汇序列进行排序。方法的细节将会在4.5节中交代。