A Survey on Neural Question Generation: Methods, Applications, and Prospects

要約

この調査では、知識ベース、テキスト、画像などの多様な入力から関連する質問を生成するニューラル ネットワーク技術を活用する分野である、ニューラル質問生成 (NQG) の進歩に関する詳細な調査を紹介します。
調査は、NQG の背景の概要から始まり、タスクの問題の定式化、一般的なベンチマーク データセット、確立された評価指標、注目すべきアプリケーションを網羅します。
次に、NQG アプローチを 3 つの主要なカテゴリに体系的に分類します。1 つは組織化されたデータ ソースを利用する構造化 NQG、テキストやビジュアル コンテンツなどのより緩やかに構造化された入力に焦点を当てる非構造化 NQG、そして多様な入力モダリティを利用するハイブリッド NQG です。
この分類に続いて、各カテゴリに合わせて調整された個別のニューラル ネットワーク モデルの詳細な分析が行われ、その固有の強みと潜在的な制限について議論されます。
この調査は、NQG の軌跡に関する将来を見据えた視点で最高潮に達し、新たな研究トレンドと将来の発展の道筋を特定します。
この調査には、関連する研究論文、データセット、およびコードの厳選されたコレクションが付属しており、Github 上で体系的に整理されており、NQG を詳しく調べる人に広範なリファレンスを提供します。

要約(オリジナル)

In this survey, we present a detailed examination of the advancements in Neural Question Generation (NQG), a field leveraging neural network techniques to generate relevant questions from diverse inputs like knowledge bases, texts, and images. The survey begins with an overview of NQG’s background, encompassing the task’s problem formulation, prevalent benchmark datasets, established evaluation metrics, and notable applications. It then methodically classifies NQG approaches into three predominant categories: structured NQG, which utilizes organized data sources, unstructured NQG, focusing on more loosely structured inputs like texts or visual content, and hybrid NQG, drawing on diverse input modalities. This classification is followed by an in-depth analysis of the distinct neural network models tailored for each category, discussing their inherent strengths and potential limitations. The survey culminates with a forward-looking perspective on the trajectory of NQG, identifying emergent research trends and prospective developmental paths. Accompanying this survey is a curated collection of related research papers, datasets and codes, systematically organized on Github, providing an extensive reference for those delving into NQG.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google