論文の概要: Solving Math Word Problem with Problem Type Classification
- arxiv url: http://arxiv.org/abs/2308.13844v1
- Date: Sat, 26 Aug 2023 10:35:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 18:36:46.355359
- Title: Solving Math Word Problem with Problem Type Classification
- Title（参考訳）: 問題型分類による単語問題の解法
- Authors: Jie Yao, Zihao Zhou, Qiufeng Wang
- Abstract要約: 数学語問題(MWP)は、解を導出するためにテキスト記述を分析し、数学的方程式を生成する必要がある。
既存の研究は、木ベースの解法と大規模言語モデル(LLM)の2種類の解法でMWPを解くことに重点を置いている。
本稿では,MWP解決能力の向上に複数のアンサンブル手法を用いる。
- 参考スコア（独自算出の注目度）: 12.700472956406005
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Math word problems (MWPs) require analyzing text descriptions and generating
mathematical equations to derive solutions. Existing works focus on solving
MWPs with two types of solvers: tree-based solver and large language model
(LLM) solver. However, these approaches always solve MWPs by a single solver,
which will bring the following problems: (1) Single type of solver is hard to
solve all types of MWPs well. (2) A single solver will result in poor
performance due to over-fitting. To address these challenges, this paper
utilizes multiple ensemble approaches to improve MWP-solving ability. Firstly,
We propose a problem type classifier that combines the strengths of the
tree-based solver and the LLM solver. This ensemble approach leverages their
respective advantages and broadens the range of MWPs that can be solved.
Furthermore, we also apply ensemble techniques to both tree-based solver and
LLM solver to improve their performance. For the tree-based solver, we propose
an ensemble learning framework based on ten-fold cross-validation and voting
mechanism. In the LLM solver, we adopt self-consistency (SC) method to improve
answer selection. Experimental results demonstrate the effectiveness of these
ensemble approaches in enhancing MWP-solving ability. The comprehensive
evaluation showcases improved performance, validating the advantages of our
proposed approach. Our code is available at this url:
https://github.com/zhouzihao501/NLPCC2023-Shared-Task3-ChineseMWP.
- Abstract（参考訳）: 数学語問題(MWP)は、解を導出するためにテキスト記述を分析し、数学的方程式を生成する必要がある。
既存の研究は、木に基づく解法と大規模言語モデル(LLM)の2種類の解法でMWPを解くことに重点を置いている。
しかし、これらの手法は常に単一の解法によりMWPを解くため、次の問題が生じる: 1) 単型解法は全てのMWPをうまく解くのが難しい。
2) 単一解法では,オーバーフィッティングにより性能が低下する。
これらの課題に対処するために,MWP解決能力を向上させるために複数のアンサンブルアプローチを用いる。
まず,木型ソルバとLLMソルバの強度を組み合わせた問題型分類器を提案する。
このアンサンブルアプローチは、それぞれの利点を活用し、解決できるmwpの範囲を広げる。
さらに,木型ソルバとLLMソルバの両方にアンサンブル技術を適用し,性能を向上する。
そこで本研究では,10倍のクロスバリデーションと投票機構に基づくアンサンブル学習フレームワークを提案する。
LLMソルバでは,回答選択を改善するために自己整合性(SC)法を採用する。
実験により,これらのアンサンブルアプローチがMWP解決能力の向上に有効であることを実証した。
包括的評価は,提案手法の利点を検証し,性能の向上を示す。
私たちのコードは、このurlで利用可能です。 https://github.com/zhouzihao501/nlpcc2023-shared-task3- chinesemwp。
関連論文リスト
- LLaMA-Berry: Pairwise Optimization for O1-like Olympiad-Level Mathematical Reasoning [56.273799410256075]
このフレームワークはMonte Carlo Tree Search (MCTS)と反復的なSelf-Refineを組み合わせて推論パスを最適化する。
このフレームワークは、一般的なベンチマークと高度なベンチマークでテストされており、探索効率と問題解決能力の点で優れた性能を示している。
論文 参考訳（メタデータ） (2024-10-03T18:12:29Z) - 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) - Interpretable Decision Tree Search as a Markov Decision Process [8.530182510074983]
教師付き学習タスクに最適な決定木を見つけることは、大規模に解決する上で難しい問題である。
近年、マルコフ決定問題 (MDP) としてこの問題の枠組みを定め、深層強化学習を用いてスケーリングに取り組むことが提案されている。
そこで我々は,全ての状態に対して生成する情報理論テスト生成関数を用いて,MDPの分解能を拡大する手法を提案する。
論文 参考訳（メタデータ） (2023-09-22T08:18:08Z) - Automatic Algorithm Selection for Pseudo-Boolean Optimization with Given
Computational Time Limits [0.9831489366502301]
機械学習(ML)技術は、解決者のポートフォリオから最適な解法を自動選択するために提案されている。
これらのメソッドはメタソルバと呼ばれ、問題のインスタンスと解決者のポートフォリオを入力として取ります。
「Anytime」メタソルバは、指定された時間制限内で最高の性能の解決器を予測する。
論文 参考訳（メタデータ） (2023-09-07T03:04:50Z) - 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) - LogicSolver: Towards Interpretable Math Word Problem Solving with
Logical Prompt-enhanced Learning [135.8654475934613]
我々はまず,11,495MWPからなる高品質MWPデータセットInterMWPを構築した。
本稿では論理的プロンプトと解釈を用いた新しい手法であるLogicrを提案する。
これらの改良されたセマンティック表現により、我々のLogicrは、生成された解表現に従って対応する解表現と解釈可能な知識を生成する。
論文 参考訳（メタデータ） (2022-05-17T11:01:52Z) - The Machine Learning for Combinatorial Optimization Competition (ML4CO):
Results and Insights [59.93939636422896]
ML4COは、キーコンポーネントを置き換えることで最先端の最適化問題を解決することを目的としている。
このコンペティションでは、最高の実現可能なソリューションを見つけること、最も厳密な最適性証明書を生成すること、適切なルーティング設定を提供すること、という3つの課題があった。
論文 参考訳（メタデータ） (2022-03-04T17:06:00Z) - Learning by Fixing: Solving Math Word Problems with Weak Supervision [70.62896781438694]
数学用語問題(mwps)の従来のニューラルネットワークソルバは、完全な監視によって学習され、多様なソリューションを生み出すことができない。
MWPを学習するためのテキスト弱教師付きパラダイムを提案する。
この手法は最終回答のアノテーションのみを必要とし、単一の問題に対して様々な解決策を生成できる。
論文 参考訳（メタデータ） (2020-12-19T03:10:21Z) - Semantically-Aligned Universal Tree-Structured Solver for Math Word
Problems [129.90766822085132]
実用的自動テキスト数学語問題(MWP)は,様々なテキストMWPを解くことができる。
MWPの方程式を一様に表現する最初の試みとして,Universal Expression Tree (UET) を提案する。
次に,エンコーダ・デコーダ・フレームワークに基づく意味的に整合した普遍木構造解法 (SAU-r) を提案し,複数のMWPを統一モデルで解く。
論文 参考訳（メタデータ） (2020-10-14T06:27:07Z)
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。