論文の概要: Sequence to General Tree: Knowledge-Guided Geometry Word Problem Solving

• arxiv url: http://arxiv.org/abs/2106.00990v1
• Date: Wed, 2 Jun 2021 07:15:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-04 05:31:53.115044
• Title: Sequence to General Tree: Knowledge-Guided Geometry Word Problem Solving
• Title（参考訳）: sequence to general tree: knowledge-guided geometry word problem solve
• Authors: Shih-hung Tsai, Chao-Chun Liang, Hsin-Min Wang, Keh-Yih Su
• Abstract要約: 解析可能かつ実行可能な操作木を生成することを学習するシーケンス・ツー・ジェネラル・ツリー(S2G)を提案する。 S2Gは、数学的領域の知識を問題解決に取り入れることを学び、その結果をより解釈可能である。
• 参考スコア（独自算出の注目度）: 23.56612552766049
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the recent advancements in deep learning, neural solvers have gained promising results in solving math word problems. However, these SOTA solvers only generate binary expression trees that contain basic arithmetic operators and do not explicitly use the math formulas. As a result, the expression trees they produce are lengthy and uninterpretable because they need to use multiple operators and constants to represent one single formula. In this paper, we propose sequence-to-general tree (S2G) that learns to generate interpretable and executable operation trees where the nodes can be formulas with an arbitrary number of arguments. With nodes now allowed to be formulas, S2G can learn to incorporate mathematical domain knowledge into problem-solving, making the results more interpretable. Experiments show that S2G can achieve a better performance against strong baselines on problems that require domain knowledge.
• Abstract（参考訳）: 近年のディープラーニングの進歩により、ニューラルソルバは数学用語の問題解決において有望な結果を得た。 しかし、これらのSOTAソルバは基本演算子を含む二進表現木しか生成せず、数学公式を明示的に用いていない。 結果として、それらが生成する式木は、複数の演算子と定数を使って1つの式を表現する必要があるため、長く解釈できない。 本稿では,ノードを任意の数の引数で定式化できる解釈可能かつ実行可能な演算木を生成することを学習するシーケンス・ツー・ジェネラル・ツリー(S2G)を提案する。 ノードが公式になることが許されたため、S2Gは数学的領域の知識を問題解決に取り入れることを学び、結果をより解釈できる。 実験により、S2Gはドメイン知識を必要とする問題に対する強力なベースラインに対してより良いパフォーマンスを達成できることが示された。

関連論文リスト

• LiteSearch: Efficacious Tree Search for LLM [70.29796112457662]
  本研究では,動的ノード選択とノードレベルの探索予算を備えた新しいガイド付き木探索アルゴリズムを提案する。 GSM8KおよびTabMWPデータセットを用いて行った実験により,本手法はベースライン法に比べて計算コストが大幅に低いことを示した。
  論文  参考訳（メタデータ） (2024-06-29T05:14:04Z)
• NodeFormer: A Scalable Graph Structure Learning Transformer for Node Classification [70.51126383984555]
  本稿では,任意のノード間のノード信号を効率的に伝搬する全ペアメッセージパッシング方式を提案する。 効率的な計算は、カーナライズされたGumbel-Softmax演算子によって実現される。 グラフ上のノード分類を含む様々なタスクにおいて,本手法の有望な有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2023-06-14T09:21:15Z)
• Non-Autoregressive Math Word Problem Solver with Unified Tree Structure [62.869481432887106]
  我々は,この問題を解析し,統一木に基づいて解表現を推論する,新しい非自己回帰解法であるtextitMWP-NAS を提案する。 Math23K と MAWPS を用いた大規模な実験の結果,提案したMWP-NAS の有効性が示された。
  論文  参考訳（メタデータ） (2023-05-08T08:53:37Z)
• UniGeo: Unifying Geometry Logical Reasoning via Reformulating Mathematical Expression [127.68780714438103]
  計算と証明の2つの主要な幾何学問題は、通常2つの特定のタスクとして扱われる。 我々は4,998の計算問題と9,543の証明問題を含むUniGeoという大規模統一幾何問題ベンチマークを構築した。 また,複数タスクの幾何変換フレームワークであるGeoformerを提案し,計算と証明を同時に行う。
  論文  参考訳（メタデータ） (2022-12-06T04:37:51Z)
• Structure-Unified M-Tree Coding Solver for MathWord Problem [57.825176412485504]
  従来,数式表現の2次木構造を考慮に入れたモデルでは,性能が向上した。 本稿では、出力構造を統一するために、任意のM枝(M-tree)を持つ木を適用した構造統一M-Tree符号化(S-UMCr)を提案する。 広く使われているMAWPSとMath23Kデータセットの実験結果は、SUMC-rが複数の最先端モデルを上回るだけでなく、低リソース条件下でもはるかに優れた性能を発揮することを示した。
  論文  参考訳（メタデータ） (2022-10-22T12:20:36Z)
• Tackling Math Word Problems with Fine-to-Coarse Abstracting and Reasoning [22.127301797950572]
  本稿では,局所的なきめ細かい情報と,その大域的な論理構造の両方を捉えるために,微粒な方法で数学語問題をモデル化することを提案する。 我々のモデルは局所的な変動に自然に敏感であり、目に見えない問題タイプにより良い一般化が可能である。
  論文  参考訳（メタデータ） (2022-05-17T12:14:44Z)
• Recognizing and Verifying Mathematical Equations using Multiplicative Differential Neural Units [86.9207811656179]
  メモリ拡張ニューラルネットワーク(NN)は、高次、メモリ拡張外挿、安定した性能、より高速な収束を実現することができることを示す。 本モデルでは,現在の手法と比較して1.53%の精度向上を達成し,2.22%のtop-1平均精度と2.96%のtop-5平均精度を達成している。
  論文  参考訳（メタデータ） (2021-04-07T03:50:11Z)
• Solving Arithmetic Word Problems by Scoring Equations with Recursive Neural Networks [25.08023032443234]
  最近の研究は、算術語問題に対する答えを提供する候補解方程式の自動抽出とランキングを用いている。 そこで本研究では,Tree-RNN 構成を用いて,そのような候補解方程式を評価する新しい手法について検討する。 提案手法は,方程式の数学的表現を表現木に変換することで構成する。
  論文  参考訳（メタデータ） (2020-09-11T19:48:42Z)
• Graph-to-Tree Neural Networks for Learning Structured Input-Output Translation with Applications to Semantic Parsing and Math Word Problem [33.610361579567794]
  本稿では,グラフエンコーダと階層木デコーダからなる新しいグラフからトレーニューラルネットワークを提案し,グラフ構造入力を符号化し,木構造出力を復号する。 我々の実験は、Graph2Treeモデルがこれらのタスクにおける他の最先端モデルの性能より優れているか、あるいは一致していることを示した。
  論文  参考訳（メタデータ） (2020-04-07T17:36:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。