بينما أظهرت النماذج العصبية القائمة على الأشجار الحديثة نتائج واعدة في إنشاء تعبيرات الحل لمشاكل الرياضيات النصية (MWP)، فإن معظم هذه النماذج لا تُمثّل العلاقات والمعلومات الترتيبية بين الكميات بشكل جيد. ويؤدي ذلك إلى تمثيل ضعيف للقيم وتعبيرات حل غير صحيحة. في هذه الورقة، نقترح Graph2Tree، وهي معمارية تعلم عميق جديدة تجمع بين مزايا مشفر الرسوم البيانية وفكّاك الشجرة لتحسين تعبيرات الحل. وتشمل إطار عمل Graph2Tree رسمين بيانيين، وهما: رسم بياني لخلايا الكميات (Quantity Cell Graph) ورسم بياني للمقارنة بين الكميات (Quantity Comparison Graph)، المصمّمان لمعالجة القيود الموجودة في الطرق الحالية من خلال تمثيل فعّال للعلاقات والمعلومات الترتيبية بين الكميات في مشاكل الرياضيات النصية. أجرينا تجارب واسعة على مجموعتي بيانات متاحتين. وتبين نتائج التجارب أن Graph2Tree تتفوّق بشكل ملحوظ على النماذج الحالية المُعدّة للقياس على مجموعتي بيانات معياريتين. كما نناقش دراسات حالة ونُجري فحصًا تجريبيًا لفعالية Graph2Tree في تحويل النصوص الخاصة بمشاكل الرياضيات النصية إلى تعبيرات الحل.