计算机工程

作者：胡静丹, 李波, 杨静

单位：华中师范大学计算机学院, 湖北 武汉 430079

关键词：数学应用题,图卷积神经网络,辅助学习任务,图编码层,图变换层

基金：教育部人文社会科学研究青年基金(19YJC870012)

数学应用题(MWP)的计算机自动求解是当前学术界的研究热点。尽管现有研究已取得显著进展, 但多数研究将MWP中的数值替换为占位符并作为普通文本进行处理, 忽略了数值语义对于MWP求解的重要性。因此, 基于"编码器-解码器"的通用架构提出了一种增强数值表示的MWP求解模型。该模型引入了两项新颖的设计来增强数值编码能力并提升MWP的求解性能, 利用图卷积神经网络(GCNN)来显示建模数值之间以及数值与上下文文本之间的语义关系; 引入辅助学习任务来指导模型充分捕捉与任务相关的数值语义, 显著增强编码器的数值建模能力。在常用的MWP数据集Math23K和MAWPS上的实验结果表明, 所提出的模型充分利用到了数值语义, 模型整体性能优于现有的主流MWP求解模型。

来源：2026年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第5期