计算机工程

作者：林加艺, 夏鸿斌, 刘渊

单位：1. 江南大学人工智能与计算机学院, 江苏 无锡 2141222. 江苏省媒体设计与软件技术重点实验室, 江苏 无锡 214122

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

基金：国家自然科学基金(61972182)

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MathQA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。

来源：2024年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第7期