Nov, 2014

数学问题中相关和不相关句子的联合概率分类模型

PDF
TL;DR论文提出利用文本分类来辨别数学问题中的有关和无关句子，并提出了一种新颖的联合概率分类模型，其利用所有句子之间以及问题句子和其他句子之间的相关性和句子文本来估计数学问题中所有句子的分类决策的联合概率。结果表明，该模型和利用问题句子和其他句子之间的相关性的新型 SVM 分类器是有效的。另外，经验结果和分析表明，不删除停用词和利用词性标注虽然对数学问题类型分类相关任务有效，但对该任务并没有显著的改善。
math word problemstext categorizationjoint probabilistic classificationstopwordspart of speech tagging
发现论文，激发创造
  • 文本文件中什么是相关的？：一种可解释的机器学习方法

    本文介绍了如何使用机器学习模型解释文本分类的决策过程以及如何生成基于词向量的文档表示方法。通过对两个不同类型的模型进行比较，表明卷积神经网络在可解释性方面的优势，也使得它更具有人类可理解性，并有潜力应用于其他领域。

    Dec, 2016

  • 关于相关性和蕴含的句子嵌入联合学习

    研究了在信息检索中识别文本蕴含问题的模型，使用了多种变量的神经网络模型，提出了基本的蕴含证据集成模型并展示了其有效性，同时引入了一个基准数据集并在其上进行了实验，并应用该模型于多选题答案排序任务达到了最新的研究效果。

    May, 2016

  • K12 数学问题的知识点自动标注

    本研究提出 LABS 模型，结合标签 - 语义注意力和多标签平滑技术，旨在改进对数学问题知识点的自动标记。实验证明，LABS 模型应用于 K12 数学问题时，利用文本分类技术和数学文本的特殊元素能够最大化地提高模型的分类准确性及预测性能。

    Aug, 2022

  • 利用点互信息的非监督式抽取式摘要

    通过使用点间互信息（PMI）计算相关性和冗余度量来提高提取性摘要，同时开展贪婪句子选择算法以最大化提取的句子的相关性和最小化冗余度。

    Feb, 2021

  • 基于多模型精细非线性融合的语义相似度计算模型

    该论文介绍了一种基于多模型非线性融合的新模型，通过使用基于词性、TF-IDF 和 word2vec-CNN 算法的 Jaccard 系数来分别衡量句子的相似度，输入加权向量到全连接神经网络，从而降低特征提取的细粒度，全局把握句子特征。实验结果表明，句子相似度计算方法的匹配率为 84%，模型的 F1 值为 75%。

    Feb, 2022

  • 方程解析：将句子映射到基础方程

    本文讨论了在单个句子中识别和理解数学关系表示的问题，提出了方程式解析的问题，并介绍了一种高效的算法来解析文本到射影方程。我们的系统利用数学表达式的高精度词典和一系列的结构化预测器，在 70% 的情况下可以生成正确的方程，在 60% 的时间里，还可以识别正确的名词短语和变量映射，显著优于基线。我们还发布了一个新的注释数据集以供任务评估。

    Sep, 2016

  • 文本增强对比学习在解决数学题中的应用

    本研究提出了一种名为 “Textual Enhanced Contrastive Learning” 的方法，采用自监督学习策略，丰富了数学问题的文本变异性，并从方程和文本角度检索最难区分的样本以指导模型进行学习，最终达到了在英文和中文基准数据集以及设计挑战数据集上均表现最佳的效果。

    Nov, 2022

  • 基于上下文的单句相对难度预测

    本研究介绍和评估了一种新的方法，用于预测一组句子的相对阅读难度。该方法考虑了上下文环境，并利用不同的词汇和语法特征，通过逻辑回归模型预测相对难度，并使用贝叶斯评级系统将同级难度标签进行聚合，形成最终排名。此外，我们还比较了在有或没有上下文的情况下对句子进行评估的排名，并发现上下文特征有助于预测这两种条件下相对难度评估的差异。

    Jun, 2016

  • 利用强化学习从嘈杂数据中进行关系分类

    本文提出了一种新的基于句子级别的关系分类模型，通过强化学习筛选高质量句子并将其输入到关系分类器中，实现了从嘈杂数据中对关系进行分类的效果优化。

    Aug, 2018

  • 学生论文中细粒度的主题相关性评估的句子相似度测量

    本文研究学习者文章中句子级提示相关性评估的任务，在两个学习者写作数据集上评估使用单词重叠、神经嵌入和神经合成模型的各种系统。我们提出了一种新的句子级相似度计算方法，该方法学习调整针对特定任务的预训练单词嵌入的权重，相较于其他相关基线模型，实现了显著更高的准确性。

    Jun, 2016