基于Prompt的两阶段澄清问题生成方法

在自然语言相关系统中,当用户输入存在歧义时,生成澄清问题询问用户有助于系统理解用户需求;基于Prompt的方法可以更好地挖掘预训练语言模型的潜在知识,但往往需要手动设计模板,限制其生成澄清问题的多样性。为解决这一问题,提出了TSCQG(two-stage clarification question generation)方法。首先,在动态Prompt模板生成阶段,利用歧义上下文和预训练语言模型生成动态的Prompt模板;然后在缺失信息生成阶段,将Prompt模板与外部知识相结合,充分利用预训练语言模型的生成能力生成相应的缺失信息。实验结果表明,在CLAQUA数据集的多轮对话情况中,BLEU值和ROUGE-L值分别达到了58.31和84.33,在ClariQ-FKw数据集上,BLEU值和ROUGE-L值分别达到了31.18和58.86。实验结果证明了TSCQG方法在澄清问题生成任务上的有效性。

高速铁路司机职业倦怠和压力管理分析

为了解高速铁路司机职业倦怠情况和相关影响因素,采取问卷调查、跟车调研和访谈形式进行调查。调查结果表明,高速铁路司机的人格解体检出率为58.44%,成就感降低检出率为45.81%,情绪衰竭检出率为45.26%;文化程度、有意限制饮水和睡眠质量与司机职业倦怠有关,年龄、婚姻、在停车间隙运动、高盐、高油脂饮食等与司机职业倦怠无关。基于调查结果,提出高速铁路司机职业倦怠和压力管理建议,以减缓职业倦怠,保障行车安全。