基于课程学习的无监督常识问答模型

来源：计算机应用研究杂志2023年第6期北京时间：

作者：李伟,黄贤英,冯雅茹,

单位：重庆理工大学计算机科学与工程学院,重庆400054；

摘要：无监督常识问答是利用机器自动生成问答数据来对模型进行训练的问答模型，目前方法生成的问答数据中存在噪声数据和问题的难度随机的问题。提出一种基于课程学习的无监督常识问答模型，首先根据知识生成问答数据集，再对问答数据集进行多样化评估和流畅性评估，结合两个评估结果进行数据过滤，去除噪声数据；最后根据课程学习策略，使用干扰项与正确答案的相似度作为问题难度评估标准，使得模型根据难度等级来进行训练。在测试任务上具有1.5%~3.5%的准确率提升，证明了该模型在无监督常识问答任务上的有效性。

关键词：无监督常识问答,数据过滤,课程学习,噪声数据,

基金资助：国家自然科学基金资助项目(62141201)；；