“John吃了5个苹果”不等于“John吃了一些苹果”：面向代数文字题的自监督释义质量检测
计算与语言
2022-06-17 v1 人工智能
摘要
本文提出了为代数文字题（AWP）进行释义评分这一新任务，并给出了一种自监督的解决方法。在当前在线教学环境中，对这些题目进行释义有助于学者生成多种句法多样的问题用于测评。它也有助于引入变体，以确保学生真正理解了问题，而非仅仅死记硬背或通过不正当手段解题。当前最先进的释义生成模型往往无法有效对文字题进行释义，会丢失关键信息（如数字或单位），导致题目无法求解。在AWP背景下，亟需释义评分方法来支撑优质释义器的训练。为此，我们提出ParaQD，一种利用新颖数据增强的自监督释义质量检测方法，能够学习潜在表示，从而将代数问题的高质量释义与低质量释义明显区分开来。通过大量实验，我们证明该方法比现有最先进的自监督方法高出至多32%，并展现出令人印象深刻的零样本性能。
引用
@article{arxiv.2206.08263,
title = {'John ate 5 apples' != 'John ate some apples': Self-Supervised Paraphrase Quality Detection for Algebraic Word Problems},
author = {Rishabh Gupta and Venktesh V and Mukesh Mohania and Vikram Goyal},
journal= {arXiv preprint arXiv:2206.08263},
year = {2022}
}
备注
Accepted as a full paper at ECML-PKDD'22, 26 Pages