حل المسائل الكلامية الجبرية ظهر مؤخرًا كمهمة مهمة في معالجة اللغة الطبيعية. ولحل المسائل الكلامية الجبرية، اقترح الدراسات الحديثة نماذج عصبية تُولِّد معادلات الحل باستخدام وحدات إدخال/إخراج تُعرف بـ {}Op (العامل/المعامل){'}، ولكن تعاني هذه النماذج العصبية من مشكلتين رئيسيتين: تجزئة التعبيرات وانفصال المعامل عن سياقه. ولحل كل من المشكلتين، نقترح نموذجًا عصبيًا خالصًا يُسمى "مُحَوِّل مؤشر التعبير" (Expression-Pointer Transformer، أو EPT)، والذي يستخدم (1) وحدة {}Expression{'}، و(2) مؤشرات للمعامل والسياق عند توليد معادلات الحل. تم اختبار أداء نموذج EPT على ثلاث مجموعات بيانات: ALG514 وDRAW-1K وMAWPS. ومقارنةً بالنماذج الرائدة حاليًا (SoTA)، حقق نموذج EPT دقة مماثلة في كل واحدة من المجموعات الثلاث: 81.3% على ALG514، و59.5% على DRAW-1K، و84.5% على MAWPS. تتمثل المساهمة الرئيسية لهذا البحث في جوانب متعددة: (1) نقترح نموذجًا عصبيًا خالصًا يُسمى EPT، قادر على معالجة مشكلتي تجزئة التعبيرات وانفصال المعامل عن سياقه. (2) يُظهر النموذج EPT الكامل التلقائي، الذي لا يعتمد على ميزات مصممة يدويًا، أداءً مماثلًا للنماذج الحالية التي تعتمد على ميزات مصممة يدويًا، ويتفوق على النماذج العصبية الخالصة الحالية بنسبة تصل إلى 40%.