问多项选择题的干扰生成

EN

我目前正在为多项选择题产生干扰物。训练集由问题、答案和3个干扰者组成，我需要预测测试集的3个干扰者。我已经看过很多关于这方面的研究论文，但我的问题是独一无二的。这里的问题是，问题和答案是为了理解(通常是一大段文字故事)，但理解的基础上，没有给出，也没有给出任何支持文本的问题。此外，答案和干扰物不是一个单词，而是句子。我去的研究论文主要是用一些支持性的文本。即使是SciQ数据集也有一些支持文本，但工作问题不同。

这的研究论文正是我所想要的，我正计划实现这一目标。下面是一篇论文的摘录，作者说这篇论文比神经网络模型更有效。

我们将DG问题归结为以下排序问题:问题。给定候选分配器集D和MCQ数据集M= {(qi，ai，{di1，.，dik})} N i=1，其中气是问题的中心，ai是关键，Di = {di1...dik}⊆D是与qi和ai相关联的分配器，找到一个按点排序的函数r：(qi，ai，d)→0，1 for d∈D，使得Di中的分配器排名高于D−Di中的分配器。

我的问题是:根据我所理解的，上面的行说我们首先创建一个包含数据集中所有干扰者的大列表，然后我们为每个问题创建一个针对所有干扰因素的点态排序函数？所以如果我们有n个问题和干扰因素。我们将有一个(nxd)矩阵，其中点态函数的值介于o和1之间。另外，一个问题本身的干扰因素应该比其他的更高。对吗？

为了学习排序函数，我们研究了两种类型的模型:基于特征的模型和NNbased模型. 基于特征的模型:给定一个元组(q，a，d)，基于特征的模型首先将其转换为带有函数φ(q，a，d)∈R的特征向量φ。我们为DG设计了以下特性，生成了一个26维的特征向量：

• Emb Sim.Q和d之间的嵌入相似性以及a和d之间的相似。
• 再来点。A和d的POS标签之间的Jaccard相似性。
• 爱德。A和d之间的编辑距离。
• 托金·辛。Q和d的记号，a和d的记号，q和a的记号之间的Jaccard相似点。
• 长度。A和d的字符和标记长度以及长度的差异。
• 后缀。A和d最长的公共后缀的绝对长度和相对长度。
• 弗里克。A和d的平均单词频率。
• 单人。A和d的单数/复数一致性
• 维基·辛。

我的问题是:这些特征生成的想法会同时适用于文字干扰和句子干扰吗？(根据报纸，他们声称会这样做)。

除了所有这些，我还有其他简单的问题，例如我是否应该删除这里的句号？

我对NLP很陌生。因此，任何关于SOTA实施在这里工作的建议都是非常有用的。提前谢谢。