論文の概要: Multi-View Reasoning: Consistent Contrastive Learning for Math Word Problem

• arxiv url: http://arxiv.org/abs/2210.11694v2
• Date: Sat, 26 Aug 2023 05:57:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-30 01:35:00.501083
• Title: Multi-View Reasoning: Consistent Contrastive Learning for Math Word Problem
• Title（参考訳）: マルチビュー推論: 単語問題に対する一貫性のあるコントラスト学習
• Authors: Wenqi Zhang, Yongliang Shen, Yanna Ma, Xiaoxia Cheng, Zeqi Tan, Qingpeng Nong, Weiming Lu
• Abstract要約: 数学語問題解法は、テキスト中の量に関する正確な関係推論と、多様な方程式に対する信頼性のある生成の両方を必要とする。 より完全なセマンティクスから方程式マッピングのためのマルチビューコントラスト学習を提案する。
• 参考スコア（独自算出の注目度）: 24.077997852849528
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Math word problem solver requires both precise relation reasoning about quantities in the text and reliable generation for the diverse equation. Current sequence-to-tree or relation extraction methods regard this only from a fixed view, struggling to simultaneously handle complex semantics and diverse equations. However, human solving naturally involves two consistent reasoning views: top-down and bottom-up, just as math equations also can be expressed in multiple equivalent forms: pre-order and post-order. We propose a multi-view consistent contrastive learning for a more complete semantics-to-equation mapping. The entire process is decoupled into two independent but consistent views: top-down decomposition and bottom-up construction, and the two reasoning views are aligned in multi-granularity for consistency, enhancing global generation and precise reasoning. Experiments on multiple datasets across two languages show our approach significantly outperforms the existing baselines, especially on complex problems. We also show after consistent alignment, multi-view can absorb the merits of both views and generate more diverse results consistent with the mathematical laws.
• Abstract（参考訳）: 数学用語問題解決者は、テキストの量に関する正確な関係推論と、多様な方程式の信頼性の高い生成の両方を必要とする。 現在のシーケンシャル・トゥ・ツリー(英語版)あるいは関係抽出法は、これを固定的な視点からのみ考慮し、複雑な意味論と多様な方程式を同時に扱うのに苦労している。 しかし、人間の解法には自然に二つの一貫した理性的見解がある:トップダウンとボトムアップ(英語版)、数学の方程式も複数の等価な形式で表すことができる:プレオーダーとポストオーダー(英語版)である。 より完全なセマンティクスから方程式マッピングのためのマルチビューコントラスト学習を提案する。 プロセス全体は、トップダウン分解とボトムアップ構成の2つの独立した、一貫したビューに分離されている。 2つの言語にまたがる複数のデータセットの実験は、我々のアプローチが既存のベースライン、特に複雑な問題において著しく優れていることを示している。 また、一貫したアライメントの後、マルチビューは両方のビューのメリットを吸収し、数学的法則に整合したより多様な結果を生成することができることを示す。

関連論文リスト

• H-STAR: LLM-driven Hybrid SQL-Text Adaptive Reasoning on Tables [56.73919743039263]
  本稿では,2段階のプロセスにシンボル的アプローチと意味的アプローチ(テキスト的アプローチ)を統合し,制約に対処する新しいアルゴリズムを提案する。 実験の結果,H-STARは3つの質問応答(QA)と事実検証データセットにおいて,最先端の手法を大幅に上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-06-29T21:24:19Z)
• Chaining Simultaneous Thoughts for Numerical Reasoning [92.2007997126144]
  テキストによる数値推論は、AIシステムにとって不可欠なスキルであるべきです。 これまでの研究は方程式の構造をモデル化することに集中し、様々な構造化デコーダを提案してきた。 我々は、有向非巡回グラフを用いてステップを推論する数値推論器CANTORを提案する。
  論文  参考訳（メタデータ） (2022-11-29T18:52:06Z)
• Learning to Reason With Relational Abstractions [65.89553417442049]
  関係抽象化の考え方を用いて,言語モデルにおいてより強力な推論能力を構築する方法について検討する。 このようなシーケンスをプロンプトとして提供したモデルでは,タスクの精度が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2022-10-06T00:27:50Z)
• Machine Learning for Combinatorial Optimisation of Partially-Specified Problems: Regret Minimisation as a Unifying Lens [34.87439325210671]
  部分的に特定された最適化問題を解くことは、ますます一般的になっている。 課題は、一連の厳しい制約を考慮して、利用可能なデータからそれらを学ぶことだ。 本稿では,難解な最適化問題の目的関数を学習したと見なすことのできる,一見無関係な4つのアプローチについて概説する。
  論文  参考訳（メタデータ） (2022-05-20T13:06:29Z)
• Pluralistic Image Completion with Probabilistic Mixture-of-Experts [58.81469985455467]
  本稿では,画像補完における複雑な相互作用を表す統一確率グラフモデルを提案する。 画像補完の手順全体を数学的にいくつかのサブプロデューサに分割し、制約の効率的な適用を支援する。 GMMの固有のパラメータはタスク関連であり、トレーニング中に適応的に最適化され、プリミティブの数は、結果の多様性を便利に制御できる。
  論文  参考訳（メタデータ） (2022-05-18T17:24:21Z)
• An Algebraic Approach to Learning and Grounding [0.9560980936110233]
  本稿では,コンポジット代数表現の意味論を例から学ぶことの問題点について考察する。 入力は部分代数 A と有限個のサンプル (phi1, O1), (phi2, O2) である。 本フレームワークの適用性については,文法推論,画像言語学習,論理シーン記述の基盤化といったケーススタディを通じて実証する。
  論文  参考訳（メタデータ） (2022-04-06T13:29:11Z)
• Learning to Reason Deductively: Math Word Problem Solving as Complex Relation Extraction [10.721488421356053]
  数学用語の問題を解くには、テキストの量に対する演能的な推論が必要である。 近年の研究は、式を生成するためのシーケンス・ツー・シークエンスまたはシーケンス・トゥ・ツリーモデルに大きく依存している。 本稿では,目的表現を反復的に構築するための説明可能な推論ステップを提案する。
  論文  参考訳（メタデータ） (2022-03-19T12:37:16Z)
• Higher Order Correlation Analysis for Multi-View Learning [5.494450814224186]
  マルチビューデータにおける高次相関の最大化を提案する。 実際のマルチビューデータに対する数値的な結果は、この手法が既存の手法よりも一貫して優れていることを示している。
  論文  参考訳（メタデータ） (2022-01-28T06:10:30Z)
• Multi-view Graph Learning by Joint Modeling of Consistency and Inconsistency [65.76554214664101]
  グラフ学習は、複数のビューから統一的で堅牢なグラフを学ぶ能力を備えた、マルチビュークラスタリングのための有望なテクニックとして登場した。 本稿では,統合目的関数における多視点一貫性と多視点不整合を同時にモデル化する,新しい多視点グラフ学習フレームワークを提案する。 12のマルチビューデータセットに対する実験は、提案手法の堅牢性と効率性を実証した。
  論文  参考訳（メタデータ） (2020-08-24T06:11:29Z)
• Consistency of a Recurrent Language Model With Respect to Incomplete Decoding [67.54760086239514]
  逐次言語モデルから無限長のシーケンスを受信する問題について検討する。 不整合に対処する2つの対策として、トップkと核サンプリングの一貫性のある変種と、自己終端の繰り返し言語モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-06T19:56:15Z)

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。