基于In-Context学习的数据增强及在数学 word problem 中的比较评估
计算与语言
2024-05-02 v1
摘要
数学 word problem (MWP)求解是自然语言处理(NLP)中的一个具有挑战性的任务。本研究旨在为MWP求解器提供更丰富的训练集，从而提高其解决各种数学问题的能力。我们提出了几种通过修改问题文本和方程来进行数据增强的方法，如同义词替换、基于规则的question替换和基于规则的question反转方法，对两个英文MWP数据集进行了实验。本研究通过引入新的In-Context学习增强方法，采用Llama-7b语言模型，实现了对数学问题文本进行指令式提示下的重述。对9个基线模型进行了性能评估，结果显示增强方法优于基线模型。此外，连接各种增强方法生成的示例进一步提高了性能。
引用
@article{arxiv.2404.03938,
title = {Data Augmentation with In-Context Learning and Comparative Evaluation in Math Word Problem Solving},
author = {Gulsum Yigit and Mehmet Fatih Amasyali},
journal= {arXiv preprint arXiv:2404.03938},
year = {2024}
}
备注
Accepted in SN Computer Science