基于常识知识图与方程的数学应用题生成
计算与语言
2021-09-10 v3 人工智能
摘要
在数学教育评估中，数学应用题（MWP）生成的应用兴趣日益增长。与标准自然语言问题生成不同，MWP 生成需要保持数量与变量间潜在的数学运算，同时确保输出与给定主题的相关性。为解决上述问题，我们开发了一个端到端神经模型，从常识知识图与方程生成真实场景中的多样化 MWP。所提模型 (1) 从符号方程的边增强 Levi 图与常识知识中学习两种表示；(2) 在生成 MWP 时通过自规划模块自动融合方程与常识知识信息。在一个教育黄金标准集与一个大规模生成 MWP 集上的实验表明，我们的方法在 MWP 生成任务上更优，并且在自动评价指标（即 BLEU-4、ROUGE-L、Self-BLEU）和人工评价指标（即方程相关性、主题相关性、语言连贯性）上均优于 SOTA 模型。为鼓励可复现结果，我们将代码与 MWP 数据集公开于 \url{https://github.com/tal-ai/MaKE_EMNLP2021}。
引用
@article{arxiv.2010.06196,
title = {Mathematical Word Problem Generation from Commonsense Knowledge Graph and Equations},
author = {Tianqiao Liu and Qiang Fang and Wenbiao Ding and Hang Li and Zhongqin Wu and Zitao Liu},
journal= {arXiv preprint arXiv:2010.06196},
year = {2021}
}
备注
EMNLP'21: The 2021 Conference on Empirical Methods in Natural Language Processing, 2021