基于语义的数学应用题数据增强
计算与语言
2022-04-19 v2
摘要
神经 MWP 求解器难以处理微小的局部差异。在 MWP 任务中，某些局部改动保持原有语义，而另一些则可能彻底改变底层逻辑。目前，现有的 MWP 任务数据集包含的样本有限，而这些样本对于神经模型学习区分问题中不同类型的局部差异并正确求解问题至关重要。本文提出一组新颖的数据增强方法，用经不同类型局部差异增强的数据补充现有数据集，并帮助提升当前神经模型的泛化能力。新样本通过知识引导的实体替换和逻辑引导的问题重组生成。这些增强方法确保新数据与其标签之间的一致性。实验结果证明了我们方法的必要性与有效性。
引用
@article{arxiv.2201.02489,
title = {Semantic-based Data Augmentation for Math Word Problems},
author = {Ailisi Li and Jiaqing Liang and Yanghua Xiao},
journal= {arXiv preprint arXiv:2201.02489},
year = {2022}
}