Génération de question à partir d'analyse sémantique pour l'adaptation non supervisée de modèles de compréhension de documents - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Génération de question à partir d'analyse sémantique pour l'adaptation non supervisée de modèles de compréhension de documents

Résumé

La génération automatique de questions à partir de textes peut permettre d’obtenir des corpus d’apprentissage pour des modèles de compréhension de documents de type question/réponse sur des textes. Si cette tâche de génération est désormais appréhendée par des modèles de type séquence-àséquence basés sur de grands modèles de langage pré-entraînés, le choix des segments réponses à partir desquels seront générées les questions est l’un des principaux aspects différenciant les méthodes de génération de corpus de question/réponse. Nous proposons dans cette étude d’exploiter l’analyse sémantique de textes pour sélectionner des réponses plausibles et enrichir le processus de génération par des traits sémantiques génériques. Les questions générées sont évaluées dans leur capacité à être utilisées pour entraîner un modèle de question-réponse sur un nouveau corpus d’archives numérisées.
Fichier principal
Vignette du fichier
3999.pdf (266.85 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-03701494 , version 1 (24-06-2022)

Identifiants

  • HAL Id : hal-03701494 , version 1

Citer

Elie Antoine, Jeremy Auguste, Frederic Bechet, Géraldine Damnati. Génération de question à partir d'analyse sémantique pour l'adaptation non supervisée de modèles de compréhension de documents. Traitement Automatique des Langues Naturelles, 2022, Avignon, France. pp.104-115. ⟨hal-03701494⟩
101 Consultations
35 Téléchargements

Partager

Gmail Facebook X LinkedIn More