基于语义理解增强的数学应用题机器解答方法
打开文本图片集
摘 要：针对现有数学应用题机器解答方法不能自适应理解语义多变的问题文本、求解精度提升受限，提出基于语义理解增强的机器解答方法。首先，设计语义增强的预训练语言模型SeBERT，通过多粒度知识建模策略和连续语义融入策略以实现对题目的精确理解；其次，构建求解模型SeBERT-PT，其采用语言模型-池化-树的求解结构，有效改善了应用题的语义理解偏差并且提高了解题的精确度；最后，引入基于置信度的判断机制，对于不值得信任的预测直接判定求解失败，确保解答精度的同时，提升求解模型训练效率。（剩余21912字）