摘要
本文针对数学应用题这一任务，即根据题目的文字描述自动求解数学问题，提出了一种新的解决方案。尽管近期方法已展现出良好的性能，但大多数现有方法依赖于基于模板的生成机制，导致其泛化能力受限。为此，本文提出一种类人化的类比学习方法，采用“回忆—学习”的模式。所提出的框架由记忆、表征、类比与推理四个模块构成，旨在通过借鉴过往学习过的习题，生成对新题目的解答。具体而言，当给定一道数学应用题时，模型首先通过记忆模块检索出相似的历史题目，随后利用表征模块对未解问题及每道检索到的相似题目进行编码。为进一步实现类比式求解，本文设计了类比模块与带有复制机制的推理模块，以建模当前问题与各检索到题目之间的内在关联。在两个知名数据集上的大量实验表明，所提方法在整体性能对比及微观层面分析中，均显著优于其他先进方法。