语义解析的鸿沟：数学应用题自动求解器综述
计算与语言
2019-04-30 v2
摘要
自动求解数学应用题(MWPs)具有挑战性，主要源于人类可读文字与机器可理解逻辑之间的语义鸿沟。尽管可追溯至1960年代的历史悠久，随着人工智能(AI)的进展，MWPs在过去几年重新获得密集关注。成功求解MWPs被视为迈向通用AI的里程碑。许多系统在自制小规模数据集上宣称了 promising 结果。然而，当应用于大规模多样数据集时，文献中尚无任一提出的方法达到高精度，揭示当前MWP求解器仍有很大改进空间。这促使我们呈现一篇全面综述，以给出自动数学问题求解器的清晰完整图景。本综述中，我们侧重代数应用题，总结其提取特征与所提桥接语义鸿沟的技术，并比较其在公开可访问数据集上的表现。我们也涵盖其他类型数学问题（如需要理解图表的几何问题）的自动求解器。最后，我们为对MWPs感兴趣的读者指明若干新兴研究方向。
引用
@article{arxiv.1808.07290,
title = {The Gap of Semantic Parsing: A Survey on Automatic Math Word Problem Solvers},
author = {Dongxiang Zhang and Lei Wang and Luming Zhang and Bing Tian Dai and Heng Tao Shen},
journal= {arXiv preprint arXiv:1808.07290},
year = {2019}
}
备注
18 pages, 5 figures