기억을 활용한 학습: 수학적 단어 문제를 위한 메모리 증강형 솔버

본 논문에서는 텍스트 기반의 수학 문제 설명에 따라 자동으로 수학 문제를 해결하는 수학 단어 문제 해결을 다룬다. 최근의 몇몇 방법들은 희망적인 성과를 보여주었지만, 대부분의 방법들은 템플릿 기반 생성 방식에 기반하고 있어 일반화 능력이 제한적이다. 이를 해결하기 위해 우리는 회상과 학습의 방식을 따르는 인간과 유사한 유사성 기반 학습 방법을 제안한다. 제안하는 프레임워크는 기억(memory), 표현(representation), 유사성(analogy), 추론(reasoning) 모듈로 구성되며, 과거에 학습한 문제를 참조하여 새로운 문제를 만들어내는 데 목적을 둔다. 구체적으로, 주어진 수학 단어 문제에 대해 모델은 먼저 기억 모듈을 통해 유사한 문제를 검색한 후, 표현 모듈을 사용해 해결되지 않은 문제와 각 검색된 문제를 인코딩한다. 또한 문제를 유사성 기반으로 해결하기 위해, 문제와 각 검색된 문제 간의 상호관계를 모델링하기 위해 복사 메커니즘을 갖춘 유사성 모듈과 추론 모듈을 제안한다. 두 개의 유명한 데이터셋에서 실시한 광범위한 실험 결과, 제안하는 알고리즘이 기존 최첨단 기법들에 비해 전반적인 성능 비교와 미세한 분석 모두에서 우수한 성능을 보임을 확인하였다.