OLGA：一种基于本体与 LSTM 的生成转移型算术应用题的方法
计算与语言
2022-11-23 v1 人工智能
信息检索
计算机科学中的逻辑
摘要
算术应用题（AWPs）的机器生成具有挑战性，因为它们表达数量与数学关系且需保持一致。机器学习求解器需要带有语言变体的一致问题的大型标注训练集。一致性检查需要利用领域知识，而基于 LSTM 的方法擅长生成具语言变体的文本。结合二者我们提出系统 OLGA，用于生成涉及对象在智能体间转移的 TC（转移情形）型一致应用题。尽管我们提供了一致 2-智能体 TC 问题的数据集用于训练，但基于 LSTM 的生成器输出中仅约 36% 一致。我们使用先前提出的 TC-本体扩展来确定问题一致性。其余 64% 中约 40% 有微小错误，我们用同一本体修复。为检查一致性及修复，我们构建自动生成问题的实例特定表示（ABox）。我们为此任务使用句子分类器和 BERT 模型。这些语言模型的训练集是句子部分用本体类名标注的问题文本。由于三智能体问题更长，基于 LSTM 方法生成的一致问题比例进一步下降。因此，我们提出一种基于本体的方法，将一致的 2-智能体问题扩展为一致的 3-智能体问题。总体而言，我们的方法生成大量涉及 2 或 3 个智能体的一致 TC 型 AWPs。由于 ABox 含有问题的所有信息，也可生成任何标注。采用所提方法生成其他类型 AWPs 是有趣的未来工作。
引用
@article{arxiv.2211.12164,
title = {OLGA : An Ontology and LSTM-based approach for generating Arithmetic Word Problems (AWPs) of transfer type},
author = {Suresh Kumar and P Sreenivasa Kumar},
journal= {arXiv preprint arXiv:2211.12164},
year = {2022}
}