{Xiaojiang Liu Shuming Shi Yan Wang}

الملخص
تقدم هذه الورقة مُحلِّلًا عصبيًا عميقًا لحل المسائل الكلامية في الرياضيات تلقائيًا. وعلى عكس النماذج السابقة القائمة على التعلم الإحصائي، نقوم بترجمة المسائل الكلامية في الرياضيات مباشرة إلى أنماط معادلات باستخدام نموذج شبكة عصبية متكررة (RNN)، دون الحاجة إلى هندسة ميزات معقدة. كما قمنا بتصميم نموذج مدمج يجمع بين نموذج RNN ونموذج استرجاع يعتمد على التشابه، لتحقيق تحسين إضافي في الأداء. أظهرت التجارب التي أُجريت على مجموعة بيانات كبيرة أن نموذج RNN والنموذج المدمج يتفوقان بشكل كبير على أحدث الأساليب الإحصائية في حل المسائل الكلامية في الرياضيات.
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| math-word-problem-solving-on-alg514 | ZDC | Accuracy (%): 79.7 |
| math-word-problem-solving-on-math23k | Hybrid model w/ SNI | Accuracy (5-fold): 64.7 |
بناء الذكاء الاصطناعي بالذكاء الاصطناعي
من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.
البرمجة المشتركة بالذكاء الاصطناعي
وحدات معالجة رسومات جاهزة
أفضل الأسعار
Hyper Newsletters
اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp