SMART：基于属性文法的代数应用题情境模型
计算与语言
2020-12-29 v1 人工智能
摘要
求解代数应用题仍是人工智能中的一项挑战性任务，它需要对真实世界情境的细致理解以及较强的数学推理能力。先前数学应用题的神经求解器直接将问题文本翻译为方程，缺乏对情境的显式解释，且常难以处理更为复杂的情境。为应对神经求解器的这些局限，我们引入源于心理学研究、用于表示人类在问题解决中心智状态的“情境模型”概念，并提出SMART，其采用属性文法作为代数应用题情境模型的表示。具体而言，我们首先训练一个信息抽取模块从问题文本中抽取节点、属性与关系，随后基于预定义的属性文法生成解析图。我们还提出一种迭代学习策略以进一步提升SMART的性能。为严格研究该任务，我们精心整理了一个名为ASP6.6k的新数据集。在ASP6.6k上的实验结果表明，所提模型大幅优于所有先前的神经求解器，同时保留了更好的可解释性。为测试这些模型的泛化能力，我们还设计了一项分布外（OOD）评测，其中问题比训练集中的更为复杂。我们的模型在OOD评测中超越最先进模型17%，展示了其优越的泛化能力。
引用
@article{arxiv.2012.14011,
title = {SMART: A Situation Model for Algebra Story Problems via Attributed Grammar},
author = {Yining Hong and Qing Li and Ran Gong and Daniel Ciao and Siyuan Huang and Song-Chun Zhu},
journal= {arXiv preprint arXiv:2012.14011},
year = {2020}
}