题目： Semantic Graphs for Generating Deep Questions

摘要：

本文提出了深度问题生成(Deep Question Generation, DQG)问题，其目的是生成需要对输入通道的多条信息进行推理的复杂问题。为了捕获文档的全局结构并便于推理，我们提出了一个新的框架，该框架首先为输入文档构造一个语义级图，然后通过引入一个基于注意的GGNN (Att-GGNN)对语义图进行编码。然后，我们融合文档级和图形级的表示来执行内容选择和问题解码的联合训练。在HotpotQA以深度问题为中心的数据集上，我们的模型大大改善了需要对多个事实进行推理的问题的性能，从而实现了最先进的性能。