論文の概要: Heterogeneous Line Graph Transformer for Math Word Problems
- arxiv url: http://arxiv.org/abs/2208.05645v2
- Date: Fri, 12 Aug 2022 01:56:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-15 11:18:23.220992
- Title: Heterogeneous Line Graph Transformer for Math Word Problems
- Title（参考訳）: 数学語問題に対する不均一線グラフ変換器
- Authors: Zijian Hu and Meng Jiang
- Abstract要約: 本稿では,オンライン学習システムのための新しい機械学習モデルの設計と実装について述べる。
我々は,自動算術語問題解決システムの実現により,システムの知能レベルを向上することを目指している。
- 参考スコア（独自算出の注目度）: 21.4761673982334
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper describes the design and implementation of a new machine learning
model for online learning systems. We aim at improving the intelligent level of
the systems by enabling an automated math word problem solver which can support
a wide range of functions such as homework correction, difficulty estimation,
and priority recommendation. We originally planned to employ existing models
but realized that they processed a math word problem as a sequence or a
homogeneous graph of tokens. Relationships between the multiple types of tokens
such as entity, unit, rate, and number were ignored. We decided to design and
implement a novel model to use such relational data to bridge the information
gap between human-readable language and machine-understandable logical form. We
propose a heterogeneous line graph transformer (HLGT) model that constructs a
heterogeneous line graph via semantic role labeling on math word problems and
then perform node representation learning aware of edge types. We add numerical
comparison as an auxiliary task to improve model training for real-world use.
Experimental results show that the proposed model achieves a better performance
than existing models and suggest that it is still far below human performance.
Information utilization and knowledge discovery is continuously needed to
improve the online learning systems.
- Abstract（参考訳）: 本稿では,オンライン学習システムのための新しい機械学習モデルの設計と実装について述べる。
本稿では,宿題の修正や難易度推定,優先度推定といった幅広い機能をサポート可能な自動算術語問題解決システムの実現により,システムの知的レベルの向上を目指す。
元々は既存のモデルを採用する計画でしたが、数学の単語問題をシーケンスやトークンの均質なグラフとして処理していることに気付きました。
エンティティ、単位、レート、数といった複数の種類のトークン間の関係は無視された。
そこで我々は,人間可読言語と機械理解可能な論理形式の間の情報ギャップを埋めるために,そのような関係データを用いた新しいモデルの設計と実装を決定した。
本稿では,数学用語問題に対する意味的ロールラベリングを通じて異種線グラフを構築し,エッジタイプを意識したノード表現学習を行うヘテロジニアス線グラフトランスフォーマ(hlgt)モデルを提案する。
実世界利用のためのモデルトレーニングを改善するための補助タスクとして数値比較を加える。
実験結果から,提案モデルは既存モデルよりも優れた性能を示し,人的性能よりもはるかに低い結果が得られた。
オンライン学習システムを改善するためには,情報活用と知識発見が継続的に必要となる。
関連論文リスト
- Shedding Light on Problems with Hyperbolic Graph Learning [2.3743504594834635]
グラフ機械学習文学における近年の論文は、双曲表現学習に多くのアプローチを導入している。
現在、双曲グラフ表現学習の分野を注意深く見ていく。
多くの論文では,アルゴリズム構築時にベースラインの厳密な提示に失敗し,ミスリード指標を用いてグラフデータセットの幾何を定量化している。
論文 参考訳（メタデータ） (2024-11-11T03:12:41Z) - Graph-Dictionary Signal Model for Sparse Representations of Multivariate Data [49.77103348208835]
グラフの有限集合がラプラシアンの重み付き和を通してデータ分布の関係を特徴付けるグラフ辞書信号モデルを定義する。
本稿では,観測データからグラフ辞書表現を推論するフレームワークを提案する。
我々は,脳活動データに基づく運動画像復号作業におけるグラフ辞書表現を利用して,従来の手法よりも想像的な動きをよりよく分類する。
論文 参考訳（メタデータ） (2024-11-08T17:40:43Z) - 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) - Automatic tagging of knowledge points for K12 math problems [3.703920945313331]
数学問題に対する知識点の自動タグ付けに関する研究はほとんどない。
数学のテキストは一般的なテキストよりも複雑な構造と意味を持っている。
このモデルは、一般的なドメインにおけるテキスト分類技術と、数学テキストのユニークな特徴を組み合わせたものである。
論文 参考訳（メタデータ） (2022-08-21T11:11:30Z) - A Unifying Generative Model for Graph Learning Algorithms: Label
Propagation, Graph Convolutions, and Combinations [39.8498896531672]
グラフに関する半教師付き学習は、ネットワーク科学と機械学習において広く適用可能な問題である。
我々は,ノード属性のデータ生成プロセスのためのマルコフ確率場モデルを開発した。
ラベル伝播,線形化グラフ畳み込みネットワーク,それらの組み合わせが条件付き期待値として導出できることを示す。
論文 参考訳（メタデータ） (2021-01-19T17:07:08Z) - 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) - Learning outside the Black-Box: The pursuit of interpretable models [78.32475359554395]
本稿では,任意の連続ブラックボックス関数の連続的大域的解釈を生成するアルゴリズムを提案する。
我々の解釈は、その芸術の以前の状態から飛躍的な進歩を表している。
論文 参考訳（メタデータ） (2020-11-17T12:39:44Z) - Multilayer Clustered Graph Learning [66.94201299553336]
我々は、観測された層を代表グラフに適切に集約するために、データ忠実度用語として対照的な損失を用いる。
実験により,本手法がクラスタクラスタw.r.tに繋がることが示された。
クラスタリング問題を解くためのクラスタリングアルゴリズムを学習する。
論文 参考訳（メタデータ） (2020-10-29T09:58:02Z) - Category-Learning with Context-Augmented Autoencoder [63.05016513788047]
実世界のデータの解釈可能な非冗長表現を見つけることは、機械学習の鍵となる問題の一つである。
本稿では,オートエンコーダのトレーニングにデータ拡張を利用する新しい手法を提案する。
このような方法で変分オートエンコーダを訓練し、補助ネットワークによって変換結果を予測できるようにする。
論文 参考訳（メタデータ） (2020-10-10T14:04:44Z) - Are Hyperbolic Representations in Graphs Created Equal? [1.80476943513092]
我々は、非ユークリッド埋め込みがグラフ学習タスクに常に有用であるかどうか検討する。
まず、ゼロ曲率で最適化プロセスに関連する既存のモデルの問題を解く。
いくつかのグラフ表現学習タスクにおいて,グラフを多様体に埋め込む手法を評価する。
論文 参考訳（メタデータ） (2020-07-15T14:14:14Z) - Non-Parametric Graph Learning for Bayesian Graph Neural Networks [35.88239188555398]
グラフ隣接行列の後方分布を構築するための新しい非パラメトリックグラフモデルを提案する。
このモデルの利点を,ノード分類,リンク予測,レコメンデーションという3つの異なる問題設定で示す。
論文 参考訳（メタデータ） (2020-06-23T21:10:55Z)
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。