摘要

几何问题求解在自然语言处理（NLP）领域内提出了一个严峻的挑战。现有的方法通常依赖于为解决数学文字题设计的模型，而忽视了几何数学问题的独特特征。此外，当前的研究主要集中在几何计算问题上，而忽略了其他重要方面，如证明。在本研究中，我们通过提出几何感知问题求解器（GAPS）模型来解决这些局限性。GAPS 特别设计用于生成各种类型的几何数学问题的解决方案程序，并借助其独特的问题类型分类器实现这一目标。为了达到这一点，GAPS 将解决方案程序视为操作符和操作数的组合，分离了它们的生成过程。此外，我们引入了几何元素增强方法，该方法提高了 GAPS 准确识别几何元素的能力。通过利用这些改进，GAPS 在解决几何数学问题方面表现出色。我们在 UniGeo 数据集上进行的实验表明，GAPS 的性能优于最先进的模型——Geoformer。具体而言，GAPS 在计算任务上的准确率提高了超过 5.3%，而在证明任务上的准确率则显著提升了 41.1%。值得注意的是，GAPS 在证明问题上的准确率达到 97.5%，标志着在解决几何证明任务方面的重大进展。