基于数学一致性与问题上下文约束的数学应用题生成

我们研究在给定指定数学计算的数学方程和指定问题场景的上下文的情况下，生成算术数学应用题的问题。现有方法容易生成在数学上无效或语言质量不令人满意的数学应用题。它们要么忽略上下文，要么需要手动指定问题模板，这损害了所生成数学应用题的多样性。在本文中，我们开发了一种新颖的数学应用题生成方法，该方法利用 i) 预训练语言模型和上下文关键词选择模型来提高所生成数学应用题的语言质量，以及 ii) 针对方程的数学方程一致性约束来提高所生成数学应用题的数学有效性。在三个真实世界数学应用题数据集上的大量定量和定性实验表明，与各种基线相比，我们的方法具有优越的性能。