我目前正在为多项选择题产生干扰因素。训练集包括问题，答案和3个干扰项，我需要为测试集预测3个干扰项。我已经阅读了许多有关此问题的研究论文，但就我而言，这个问题是独特的。这里的问题是问题和答案是针对理解的（通常是一段文字故事），但是没有给出基于该理解的理解，也没有给出对该问题的任何支持性文本。而且，答案和干扰因素不是一个单词而是句子。我去过的研究论文主要使用某种支持性文字。甚至SciQ数据集也有一些支持文本，但是工作中的问题有所不同
This研究论文是我认为与我想要的密切相关的论文，并且我打算实现这一目标。以下是论文的摘录，作者说该论文比NN模型的效果更好。
我们将DG解决为以下排名问题：问题。 给定一个候选干扰项集D和一个MCQ数据集M = {（qi，ai，{di1，...，dik}）} N i = 1，其中qi是问题词干，ai是关键字，Di = {di1 ... dik}⊆D是与qi和ai相关的干扰物，找到点∈D的逐点排序函数r：（qi，ai，d）→[0，1]，从而对Di中的干扰物进行排序比D − Di中的要高。
我的问题是a）根据我的理解，以上几行说，我们首先创建一个包含数据集中所有干扰因素的大列表，然后针对每个问题针对所有干扰因素创建逐点排序函数？因此，如果我们有n个问题和d个干扰因素。我们将有一个（nxd）矩阵，其中逐点函数值的范围介于o和1之间。而且，问题本身的干扰项的排名应高于其余项。对吧？
要学习排名功能，我们研究了两种类型的模型：基于特征的模型和基于NN的模型。
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具有函数φ的特征向量φ（q，a，d）∈R d。我们为DG设计了以下特征，从而生成了26维特征向量：
我的问题：这些特征生成的想法适用于单词干扰词和句子干扰词吗？ （根据文件，他们声称会这样做。）
除了所有这些，我还有其他简单的问题，例如我应该在此处删除停用词吗？
我是NLP的新手。因此，任何有关哪种SOTA实施将在此处起作用的建议都将非常有帮助。预先感谢。
答案 0 :(得分：1)
这是一个广泛的研究主题，在您的情况下，生成长片答案或干扰因素的确是广大NLP中非常重要的问题。从那时起，就没有最先进的方法来提供完美的解决方案。
但是尝试了几种实现方法，其中我建议使用两步方法：
1）通过包含相似性的概念来提供数字，以提供初始列表
2）使用IR（信息检索）中的重排方法来改善预测。