我正在尝试为我们的填空式问题生成器创建多项选择题（MCQ）生成器。我需要从关键（正确答案）生成干扰项（错误答案）。MCQ是从用户输入的教育文本中生成的。我们试图通过结合上下文相似性、关键和干扰项所在句子的相似性以及术语频率的差异来解决这个问题。有什么帮助吗？我在考虑使用大数据集来生成相关的干扰项，比如谷歌视觉提供的那些，但我不知道如何在Python中实现这一点。
回答：
这个问题太宽泛了，无法回答，但我会尽力给你一些指导。
如果你有一组封闭的潜在干扰项，我会使用词/短语嵌入来找到与正确答案最接近的干扰项。
Gensim的word2vec是Python的一个很好的起点
如果你希望你的干扰项遵循一个模板，例如用正确答案的反义词替换某个词，我会使用nltk的wordnet实现来查找反义词/同义词。
