-
题名基于类比学习的数学应用题求解模型
被引量：4
- 1
-
-
作者
林加艺
夏鸿斌
刘渊
-
机构
江南大学人工智能与计算机学院
江苏省媒体设计与软件技术重点实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第7期63-70,共8页
-
基金
国家自然科学基金(61972182)。
-
文摘
目前基于类比学习的数学应用题(MWP)求解的研究多从语义相似度或浅层逻辑来筛选样本,存在样本匹配度不足以及样本选取局限于数据集的问题。针对以上问题,提出一种新的基于类比学习的数学应用题求解(MWP-AL)模型。该模型主要从2个角度对数学应用题进行类比学习。从文本编码的角度进行样本筛选,从余弦相似度、树解顶节点以及树深度3个维度对样本进行限制。该方法从语义层面以及深层逻辑方面对样本进行选取,得到的样本与原题的匹配度更高。从解方程的角度进行样本构建,从方程本身出发,针对不同类型的方程在逻辑方面对其进行变体从而构建样本。该方法不局限于从数据集中选取样本,具有较强的泛化性。通过计算交叉熵损失函数对这2种样本进行类比学习。实验结果表明,在2个基线模型上加入MWP-AL模型后,其在英文数据集Math QA和中文数据集Math23K上的准确率分别提升了1.8、2.5和2.8、1.3个百分点,同时较其他基线模型均有所提升。
-
关键词
类比学习
数学应用题求解
语义相似度
样本筛选
样本构建
-
Keywords
analogical learning
Math Word Problems(MWP)solving
semantic similarity
sample screening
sample construction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于语义理解增强的数学应用题机器解答方法
- 2
-
-
作者
菅朋朋
闫鸣
王彦丽
-
机构
华北水利水电大学信息工程学院
河南财经政法大学
-
出处
《计算机应用研究》
北大核心
2025年第1期214-221,共8页
-
基金
国家自然科学基金资助项目(62107014)
河南省青年人才托举工程项目(2023HYTP046)
+2 种基金
河南省重点研发与推广专项资助项目(232102320155)
河南省高等教育教学改革研究与实践重大项目(2021SJGLX017)
新工科背景下现代产业学院信创人才培养模式研究与实践(2024SJGLX0108)。
-
文摘
针对现有数学应用题机器解答方法不能自适应理解语义多变的问题文本、求解精度提升受限,提出基于语义理解增强的机器解答方法。首先,设计语义增强的预训练语言模型SeBERT,通过多粒度知识建模策略和连续语义融入策略以实现对题目的精确理解;其次,构建求解模型SeBERT-PT,其采用语言模型-池化-树的求解结构,有效改善了应用题的语义理解偏差并且提高了解题的精确度;最后,引入基于置信度的判断机制,对于不值得信任的预测直接判定求解失败,确保解答精度的同时,提升求解模型训练效率。实验结果表明,该方法在中文和英文数据集上的解题精度分别达到了85.7%和77.9%,均优于其他基线方法,特别是在涉及复杂语义理解和逻辑推理的题目上,表现尤为突出。证明了该方法在提升数学应用题解答精度方面的有效性,也展示了其在跨语言环境下的广泛适用性。
-
关键词
数学应用题求解
预训练语言模型
语义增强
池化
置信度
-
Keywords
math word problem solution
pre-trained language model
semantic enhancement
pooling
confidence
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
