
摘要
数学应用题求解需要对文本中数量关系进行精确的推理,并能够可靠地生成形式多样的数学方程。现有的序列到树结构或关系抽取方法通常仅从单一视角处理该任务,难以同时应对复杂的语义理解与多样的方程表达。然而,人类在解题过程中自然地融合了两种一致的推理视角:自顶向下(top-down)与自底向上(bottom-up),正如数学方程本身也可通过多种等价形式表达——前序(pre-order)与后序(post-order)遍历形式。为此,我们提出一种多视角一致性对比学习框架,以实现更完整的语义到方程的映射。整个过程被解耦为两个相互独立但保持一致的推理视角:自顶向下的分解与自底向上的构建,并在多粒度层级上对齐两种推理路径,从而增强全局生成能力与精确推理性能。在两种语言的多个数据集上的实验表明,所提方法显著优于现有基线模型,尤其在处理复杂问题时表现突出。此外,我们还验证了在一致性对齐之后,多视角方法能够有效融合两种视角的优势,生成更多样化且符合数学规律的解题结果。
代码仓库
zwq2018/multi-view-consistency-for-mwp
官方
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| math-word-problem-solving-on-math23k | Multi-view* (ours) | Accuracy (5-fold): 85.2 Accuracy (training-test): 87.1 |
| math-word-problem-solving-on-mathqa | Multi-view | Answer Accuracy: 80.6 |
| math-word-problem-solving-on-mawps | Multi-view | Accuracy (%): 92.3 |