Re42：读论文 ARIS Learning to Solve Arithmetic Word Problems with Verb Categorization

诸神缄默不语-个人优快云博文目录

论文全名：Learning to Solve Arithmetic Word Problems with Verb Categorization
模型简称：ARIS
任务：math word problem
论文链接：https://aclanthology.org/D14-1058/
官方项目网站：https://www.cs.washington.edu/nlp/arithmetic（数据集下载地址失效了，看了一下代码是用Java写的……我退缩）

本文是2014年EMNLP论文，是第一个不用预定义模版来解决MWP问题（仅考虑加减场景）的工作。
识别问题中的相关变量和数值，映射到公式中。通过识别7种动词，来分析数学题类型。
（每个动词都识别一下）

简单来说就是识别每个数字对应是加还是减，然后放进公式

1. MWP任务介绍

问题首先描述一个状态，然后介绍在状态上的改变，最后提出一个量化问题。

问题中有些信息是无用的。

2. ARIS

预测句子中的动词种类，将问题ground到全局状态转变（由动词种类建模得）。
整个问题被分成很多fragments/句子，每个fragment代表一种状态的转变。
将每个句子表征concat起来，生成公式。

动词种类：

• Observation：初始化
• Positive：加
• Negative：减

有2个container句子的种类：

• Positive transfer
• Negative transfer
• Construct：都涨
• Destroy：都降

全局状态：$<E,C,R>$

实体：数字被关注的那个对象
container（大概类似“实例”的概念，持有属性的对象，如有9只小猫的莉齐）
关系（实体、container、属性（黑色、walnut）、数量（可以是数字、变量、表达式）之间的关系）

（我觉得这种描述方式是很奇怪的，我怀疑是之前的工作有这方面的详细介绍，跟现在的不同）

$h$：名词种类集合
每个数字关联一个实体
然后反正这部分没咋看懂，大致来说就是用规律和语法解析树硬把结构给抠出来。用SVM训练模型。
根据动词来选择公式符号，这种感觉？

3. 实验

3.1 数据集

3.2 指标

准确率（经3折交叉验证的）

3.3 主实验结果

ARIS${}_2$
Majority是把所有数字都直接加起来
Gold ARIS是直接用真实句子分类

3.4 实验分析