論文の概要: Learning by Analogy: Diverse Questions Generation in Math Word Problem
- arxiv url: http://arxiv.org/abs/2306.09064v1
- Date: Thu, 15 Jun 2023 11:47:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-16 15:04:21.623837
- Title: Learning by Analogy: Diverse Questions Generation in Math Word Problem
- Title（参考訳）: アナロジーによる学習: 数学語問題における多様な質問生成
- Authors: Zihao Zhou, Maizhen Ning, Qiufeng Wang, Jie Yao, Wei Wang, Xiaowei
Huang, Kaizhu Huang
- Abstract要約: AI技術を用いた数学語問題(MWP)の解法は、最近ディープニューラルネットワーク(DNN)の成功で大きな進歩を遂げた。
我々は、MWPソルバが様々な方法で定式化されるのと同じ問題をよりよく理解するために、類推による学習能力が不可欠であると主張する。
本稿では,MWPを多様だが一貫した問合せ/解法を生成することで,MWPの解法を初めて試みる。
- 参考スコア（独自算出の注目度）: 21.211970350827183
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Solving math word problem (MWP) with AI techniques has recently made great
progress with the success of deep neural networks (DNN), but it is far from
being solved. We argue that the ability of learning by analogy is essential for
an MWP solver to better understand same problems which may typically be
formulated in diverse ways. However most existing works exploit the shortcut
learning to train MWP solvers simply based on samples with a single question.
In lack of diverse questions, these methods merely learn shallow heuristics. In
this paper, we make a first attempt to solve MWPs by generating diverse yet
consistent questions/equations. Given a typical MWP including the scenario
description, question, and equation (i.e., answer), we first generate multiple
consistent equations via a group of heuristic rules. We then feed them to a
question generator together with the scenario to obtain the corresponding
diverse questions, forming a new MWP with a variety of questions and equations.
Finally we engage a data filter to remove those unreasonable MWPs, keeping the
high-quality augmented ones. To evaluate the ability of learning by analogy for
an MWP solver, we generate a new MWP dataset (called DiverseMath23K) with
diverse questions by extending the current benchmark Math23K. Extensive
experimental results demonstrate that our proposed method can generate
high-quality diverse questions with corresponding equations, further leading to
performance improvement on Diverse-Math23K. The code and dataset is available
at: https://github.com/zhouzihao501/DiverseMWP
- Abstract（参考訳）: AI技術を用いた数学語問題(MWP)の解法は、最近ディープニューラルネットワーク(DNN)の成功によって大きな進歩を遂げているが、その解決には程遠い。
アナロジーによる学習の能力は、mwpソルバが様々な方法で定式化されるであろう同じ問題をより良く理解するためには不可欠であると主張する。
しかし、既存のほとんどの研究は、単問のサンプルに基づいてMWPソルバを訓練するためにショートカット学習を利用している。
多様な質問の欠如にもかかわらず、これらの方法は単に浅いヒューリスティックを学ぶだけである。
本稿では,MWPを多様だが一貫した問合せ/解法を生成することで,MWPの解法を初めて試みる。
シナリオ記述、質問、方程式(すなわち、答え)を含む典型的なMWPが与えられたとき、ヒューリスティックなルールの群を通じて、まず複数の一貫した方程式を生成する。
次に、シナリオと共に質問生成器に供給し、対応する多様な質問を取得し、様々な質問と方程式を持つ新しいMWPを形成する。
そして最後に、不合理なMWPを取り除き、高品質な拡張機能を維持するために、データフィルタを使う。
MWPソルバのアナロジーによる学習能力を評価するため,現在のベンチマークであるMath23Kを拡張したMWPデータセット(DiverseMath23K)を作成した。
広範な実験結果から,提案手法は対応する方程式を用いて高品質な多様な質問を生成でき,さらにmath23kの性能向上に繋がることが示された。
コードとデータセットは、https://github.com/zhouzihao501/DiverseMWPで公開されている。
関連論文リスト
- AI-Assisted Generation of Difficult Math Questions [78.7547836422727]
現在の訓練は、数学的推論をコア能力として位置づけている。
多様で挑戦的な数学の質問には、控えめな需要がある。
本稿では,LLMの強みとHuman-in-the-loopアプローチを組み合わせた設計枠組みを提案する。
論文 参考訳（メタデータ） (2024-07-30T17:55:36Z) - Solving Math Word Problems with Reexamination [27.80592576792461]
モデルに依存しない擬似双対学習手法を提案する。
擬似双対タスクは、表現中の数字を元の単語問題に記入し、数字をマスクするものとして特に定義される。
提案手法は,複数の代表MWPソルバを実証実験により適用した場合に有効であることが確認された。
論文 参考訳（メタデータ） (2023-10-14T14:23:44Z) - MWPRanker: An Expression Similarity Based Math Word Problem Retriever [12.638925774492403]
オンラインアセスメントにおける数学語問題(MWP)は、学習者が重要な推論を行う能力をテストするのに役立つ。
本稿では,MWP検索のためのツールを提案する。
論文 参考訳（メタデータ） (2023-07-03T15:44:18Z) - Generalizing Math Word Problem Solvers via Solution Diversification [56.2690023011738]
我々は,解バッファと解判別器を導入することで,MWPソルバの新しいトレーニングフレームワークを設計する。
本フレームワークは,全Seq2Seq MWPソルバの完全・半弱・弱教師付きトレーニングに柔軟に適用可能である。
論文 参考訳（メタデータ） (2022-12-01T19:34:58Z) - Dynamic Prompt Learning via Policy Gradient for Semi-structured
Mathematical Reasoning [150.17907456113537]
数学的な推論を必要とする38,431のグレードレベルの問題を含む新しいデータセットであるTabular Math Word Problems (TabMWP)を提案する。
我々は,GPT-3モデルを含む,TabMWP上での事前学習モデルの評価を行った。
本稿では、ポリシー勾配を利用して、少量のトレーニングデータからコンテキスト内サンプルを選択する新しいアプローチ、PromptPGを提案する。
論文 参考訳（メタデータ） (2022-09-29T08:01:04Z) - Unbiased Math Word Problems Benchmark for Mitigating Solving Bias [72.8677805114825]
現在の問題解決者は、バイアス付きデータセットと不適切なトレーニング戦略によるデータバイアスと学習バイアスからなるバイアスを解決している。
実験により,MWP の解法は,すべての MWP の問題を多種多様な質問をカバーしないバイアス付きトレーニングデータセットにより容易にバイアスを受けられることを確認した。
MWPは複数の等価方程式によって自然に解けるが、現在のデータセットは1つの等価方程式のみを基底真理とする。
論文 参考訳（メタデータ） (2022-05-17T06:07:04Z) - DISK: Domain-constrained Instance Sketch for Math Word Problem
Generation [16.045655800225436]
数学語問題 (MWP) は、数学方程式の基礎となる論理を反映したコヒーレントな物語である。
従来の方法は、主に柔軟性のない事前定義されたテンプレートに基づいてMWPテキストを生成する。
本稿では,数学式からMWPテキストを生成するニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2022-04-10T13:54:23Z) - Math Word Problem Generation with Mathematical Consistency and Problem
Context Constraints [37.493809561634386]
算数方程式を与えられた算術演算語問題(MWP)を生成する問題について検討する。
既存のアプローチは、数学的に無効あるいは不満足な言語品質を持つMWPを生成する傾向がある。
論文 参考訳（メタデータ） (2021-09-09T20:24:25Z) - Generate & Rank: A Multi-task Framework for Math Word Problems [48.99880318686938]
数学語問題(MWP)は自然言語処理において困難かつ重要な課題である。
生成事前学習型言語モデルに基づくフレームワークであるGenerate & Rankを提案する。
生成とランキングの併用トレーニングによって、モデルは自身のミスから学習し、正しい表現と間違った表現を区別することができる。
論文 参考訳（メタデータ） (2021-09-07T12:21:49Z) - MWP-BERT: A Strong Baseline for Math Word Problems [47.51572465676904]
数学語問題(英: Math word problem、MWP)とは、自然言語による問題記述の列を、実行可能な数学方程式に変換するタスクである。
近年, MWP の逐次モデル化は, 文脈理解の数学的側面から評価されているが, 事前学習言語モデル (PLM) はMWP の解法として研究されていない。
我々はMWP-BERTを導入し、テキスト記述と数理論理の整合性を捉える事前訓練されたトークン表現を得る。
論文 参考訳（メタデータ） (2021-07-28T15:28:41Z)
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。