.png){kind=icon}
返回
Semantic interaction-enhanced encoding network for math word problem solving
.png){kind=icon}
PRE
AI
DOI：10.1007/s10489-025-06850-2.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
解决数学文字题（MWPs）需要机器不仅理解文本的字面含义，还要理解其中嵌入的抽象逻辑和数学推理。然而，现有模型通常缺乏对语义信息的显式推理能力，尤其是在处理复杂数学文字题文本时。此外，这些模型倾向于不加细粒度筛选地嵌入各类信息，这可能在数学表达式生成过程中引入意外的噪声。为应对这些挑战，本文提出了一种语义交互增强编码网络（SIEN）用于数学表达式生成。首先，SIEN为每个问题构建语义角色交互图，并采用图注意力神经网络学习交互和语义信息，从而提供对数学文字题文本更结构化、更丰富的视角。其次，SIEN引入了一个多通道适配器模块，同时从数值信息通道、层级语义信息通道和交互信息通道学习全面上下文信息。此外，SIEN引入了一种动态加权机制，用于调整各通道的信息权重，以优先处理相关信息并减少噪声。在三个公开基准数据集上的实验结果表明，SIEN相较于其他现有最优基线模型实现了显著性能提升。
Keyword:
Math word problem
Graph2Tree
Semantic interaction
Relation-aware graph attention network
Tree decoder
期刊
IF:
3.5
论文数:
7.7K
被引数:
1.7W
.png){kind=icon}
