现有的大多数数学应用题神经模型采用序列到序列（Seq2Seq）架构，从左到右逐步生成解题表达式，但由于缺乏人类解题过程中常见的目标驱动机制，其效果仍不理想。本文提出一种基于树结构的神经模型，以目标驱动的方式生成表达式树。给定一道数学应用题，该模型首先识别并编码其目标，随后以自顶向下的递归方式将目标分解为由运算符连接的子目标。这一过程持续进行，直至目标简化为可通过已知数值作为叶节点实现的简单形式。在该过程中，设计了两层门控前馈网络来实现每一步的目标分解，同时采用递归神经网络将已实现的子树编码为子树嵌入表示，相较于仅使用子目标的简单表示，该方法能更有效地捕捉子树的语义结构。在Math23K数据集上的实验结果表明，所提出的树结构模型显著优于多个当前最先进的模型。