論文の概要: Neural-Symbolic Solver for Math Word Problems with Auxiliary Tasks

• arxiv url: http://arxiv.org/abs/2107.01431v1
• Date: Sat, 3 Jul 2021 13:14:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-06 15:04:53.711970
• Title: Neural-Symbolic Solver for Math Word Problems with Auxiliary Tasks
• Title（参考訳）: 補助タスクを伴う数学語問題に対するニューラルシンボリックソルバ
• Authors: Jinghui Qin, Xiaodan Liang, Yining Hong, Jianheng Tang, Liang Lin
• Abstract要約: 我々のNS-rは、問題を読み取り、問題をエンコードする問題リーダーと、記号方程式を生成するプログラマと、答えを得るシンボリックエグゼキュータから構成される。 また, 目的表現の監督とともに, 4つの新たな補助的目的によって, 異なる記号的推論を強制的に行うように最適化した。
• 参考スコア（独自算出の注目度）: 130.70449023574537
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Previous math word problem solvers following the encoder-decoder paradigm fail to explicitly incorporate essential math symbolic constraints, leading to unexplainable and unreasonable predictions. Herein, we propose Neural-Symbolic Solver (NS-Solver) to explicitly and seamlessly incorporate different levels of symbolic constraints by auxiliary tasks. Our NS-Solver consists of a problem reader to encode problems, a programmer to generate symbolic equations, and a symbolic executor to obtain answers. Along with target expression supervision, our solver is also optimized via 4 new auxiliary objectives to enforce different symbolic reasoning: a) self-supervised number prediction task predicting both number quantity and number locations; b) commonsense constant prediction task predicting what prior knowledge (e.g. how many legs a chicken has) is required; c) program consistency checker computing the semantic loss between predicted equation and target equation to ensure reasonable equation mapping; d) duality exploiting task exploiting the quasi duality between symbolic equation generation and problem's part-of-speech generation to enhance the understanding ability of a solver. Besides, to provide a more realistic and challenging benchmark for developing a universal and scalable solver, we also construct a new large-scale MWP benchmark CM17K consisting of 4 kinds of MWPs (arithmetic, one-unknown linear, one-unknown non-linear, equation set) with more than 17K samples. Extensive experiments on Math23K and our CM17k demonstrate the superiority of our NS-Solver compared to state-of-the-art methods.
• Abstract（参考訳）: エンコーダ・デコーダのパラダイムに従っていた従来の数学用語の問題解決者は、必須の数学記号の制約を明示的に含みず、説明不能で不合理な予測に繋がる。 本稿では,補助的なタスクによって異なるレベルの記号的制約を明示的にシームレスに組み込むニューラル・シンボリック・ソルバーを提案する。 NS-Solverは,問題をエンコードする問題リーダと,シンボル式を生成するプログラマと,回答を得るためのシンボルエグゼキュータから構成される。 また, 対象表現の監督とともに, 自己教師数予測タスク(a) 数量と数位置の両方を予測するタスク(b) 事前知識(例えば, 先行知識)を予測する定性予測タスク(b) の4つの新たな補助的目的によって最適化された。 c) 予測式と対象方程式の間の意味的損失を計算して合理的な方程式マッピングを確保するプログラム一貫性チェッカー;d) 記号式生成と問題部分生成の間の擬似双対性を利用して解法の理解能力を高める双対性を利用する。 さらに,汎用的でスケーラブルな解法を開発するための,より現実的で挑戦的なベンチマークを提供するために,17k以上のサンプルを持つ4種類のmwp (arithmetic,one-unknown linear,one-unknown non-linear, equation set)からなる,大規模mwpベンチマークcm17kを構築した。 Math23KとCM17kの大規模な実験は、最先端の手法と比較してNS-Solverの優位性を示している。

関連論文リスト

• An Unsupervised Learning Framework Combined with Heuristics for the Maximum Minimal Cut Problem [5.092968949752308]
  本研究は,MMCPの最大値と非教師なし学習フレームワークを提案する。 重要な観察は、それぞれの溶液が少なくとも1本の枝木に対応することである。 フレームワークを評価し、特定のアプリケーションを提供するために、広範な実験を行います。
  論文  参考訳（メタデータ） (2024-08-16T02:07:34Z)
• Techniques to Improve Neural Math Word Problem Solvers [0.0]
  最近のニューラルベースアプローチは、主に言語モデルを用いて問題テキストをエンコードし、量や演算子を反復的に数学的表現をデコードする。 本稿では,質問文を完全に活用し,段階的可換法則を保存するエンコーダ・デコーダアーキテクチャを提案する。 確立された4つのベンチマーク実験により、我々のフレームワークは最先端のニューラルMWPソルバより優れていることが示された。
  論文  参考訳（メタデータ） (2023-02-06T22:41:51Z)
• On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
  我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。 まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
  論文  参考訳（メタデータ） (2023-02-05T01:39:21Z)
• Seeking Diverse Reasoning Logic: Controlled Equation Expression Generation for Solving Math Word Problems [21.62131402402428]
  本稿では,一組の制御符号を利用してモデルを導出する制御方程式生成解法を提案する。 本手法は, シングル未知 (Math23K) とマルチ未知 (DRAW1K, HMWP) ベンチマークの性能を普遍的に向上させる。
  論文  参考訳（メタデータ） (2022-09-21T12:43:30Z)
• 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)
• SMART: A Situation Model for Algebra Story Problems via Attributed Grammar [74.1315776256292]
  本稿では, 問題解決における人間の精神状態を表現する心理学研究から生まれた, emphsituation modelの概念を紹介する。 提案モデルでは,より優れた解釈性を保ちながら,従来のすべてのニューラルソルバを大きなマージンで上回る結果が得られた。
  論文  参考訳（メタデータ） (2020-12-27T21:03:40Z)
• Closed Loop Neural-Symbolic Learning via Integrating Neural Perception, Grammar Parsing, and Symbolic Reasoning [134.77207192945053]
  従来の手法は強化学習アプローチを用いてニューラルシンボリックモデルを学ぶ。 我々は,脳神経知覚と記号的推論を橋渡しする前に,textbfgrammarモデルをテキストシンボリックとして導入する。 本稿では,トップダウンのヒューマンライクな学習手順を模倣して誤りを伝播する新しいtextbfback-searchアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-11T17:42:49Z)
• Machine Number Sense: A Dataset of Visual Arithmetic Problems for Abstract and Relational Reasoning [95.18337034090648]
  文法モデルを用いて自動生成される視覚的算術問題からなるデータセット、MNS(Machine Number Sense)を提案する。 これらの視覚的算術問題は幾何学的フィギュアの形をしている。 我々は、この視覚的推論タスクのベースラインとして、4つの主要なニューラルネットワークモデルを用いて、MNSデータセットをベンチマークする。
  論文  参考訳（メタデータ） (2020-04-25T17:14:58Z)

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。