自动问题生成旨在从一段文本中生成可以由该段落中的某些子片段回答的问题。传统方法主要使用固定的启发式规则将句子转换为相关问题。在本研究中，我们提出应用神经编码器-解码器模型从自然语言句子中生成有意义且多样的问题。编码器读取输入文本及其答案位置，以生成一个包含答案信息的输入表示，该表示被传递给解码器以生成聚焦于答案的问题。我们在SQuAD数据集上对基于神经网络的问题生成进行了初步研究，实验结果表明，我们的方法能够生成流畅且多样的问题。