이 논문은 수학 단어 문제를 자동으로 해결하기 위한 심층 신경망 솔버를 제안한다. 기존의 통계적 학습 접근 방식과는 달리, 복잡한 특징 엔지니어링 없이 순환 신경망(RNN) 모델을 사용하여 수학 단어 문제를 방정식 템플릿으로 직접 번역한다. 또한 RNN 모델과 유사도 기반 검색 모델을 결합한 하이브리드 모델을 설계하여 성능을 추가로 향상시켰다. 대규모 데이터셋을 활용한 실험 결과, RNN 모델과 하이브리드 모델이 수학 단어 문제 해결을 위한 최신 통계적 학습 방법들보다 뚜렷이 우수한 성능을 보였다.