LogicSolver：通过逻辑提示增强学习实现可解释的数学应用题求解
人工智能
2022-10-25 v3 计算与语言
摘要
近年来，深度学习模型在数学应用题求解的答案准确性上取得了巨大进步。然而，它们是不可解释的，因为它们主要依赖浅层启发式方法来实现高性能，而没有理解和推理基础的数学逻辑。为了解决这个问题，并向可解释的数学应用题求解迈进一步，我们首先构建了一个名为 InterMWP 的高质量数学应用题数据集，该数据集包含 11,495 道数学应用题，并基于代数知识标注了可解释的逻辑公式，作为每个求解方程的基础语言逻辑。与现有的数学应用题数据集不同，我们的 InterMWP 基准要求求解器不仅输出求解表达式，还要预测相应的逻辑公式。我们进一步提出了一种具有逻辑提示和解释生成的新方法，称为 LogicSolver。对于每道数学应用题，我们的 LogicSolver 首先检索一些高度相关的代数知识，然后将它们作为提示传递给骨干模型，以改进数学应用题的语义表示。借助这些改进的语义表示，我们的 LogicSolver 同时生成相应的求解表达式和与生成的求解表达式一致的可解释知识公式。实验结果表明，我们的 LogicSolver 在逻辑公式的可解释性上比基线更强，同时在逻辑提示的帮助下实现了更高的答案准确性。源代码和数据集可在 https://github.com/yangzhch6/InterMWP 获取。
引用
@article{arxiv.2205.08232,
title = {LogicSolver: Towards Interpretable Math Word Problem Solving with Logical Prompt-enhanced Learning},
author = {Zhicheng Yang and Jinghui Qin and Jiaqi Chen and Liang Lin and Xiaodan Liang},
journal= {arXiv preprint arXiv:2205.08232},
year = {2022}
}