[发明专利]一种新闻事件生成式问答数据集的生成方法

摘要

本发明公布了一种新闻事件生成式问答数据集的生成方法，用于构建面向事件的新闻场景生成式问答数据集，能够实现事件生成式的智能自动问答；包括：提取得到所有有对应链接页面的事件；将生成问题模版和生成的问题的核心信息进行拼接生成事件的问题；提取事件页面下方的所有参考文献中的新闻链接页面，并将参考文献中的新闻链接页面中的新闻文本作为语料放入语料集；将事件页面的正文部分的第一段话作为所生成事件的问题的参考答案。本发明方法为自动生成，无需人工标注，且生成新闻场景数据的准确性和有效性高。

主权项

1.一种新闻事件生成式问答数据集的生成方法，包括如下步骤：1)从当前事件页面所有年份的事件列表中，提取得到所有有对应链接页面的事件；链接页面为相应事件页面；2)所述事件页面的标题为名词性短语，针对每个事件页面的事件，将该事件页面的标题作为要生成的问题的核心信息，采用将生成问题模版与生成的问题的核心信息进行拼接的方式，生成该事件的问题；通过所生成的事件的问题，能够模糊地询问相应的事件；3)对于每个事件页面的事件，提取出该事件页面的所有参考文献中的新闻链接页面，并将参考文献中的新闻链接页面中的新闻文本作为语料，放入语料集；4)对于每个事件页面的事件，将该事件页面的正文部分的第一段话作为步骤2)所生成事件的问题的参考答案；生成的新闻场景生成式问答数据集包括步骤2)生成的事件的问题、步骤3)得到的语料集及步骤4)生成的针对问题的参考答案。