Abstract

최근의 트리 기반 신경망 모델들은 MWP의 풀이표현 생성에 대해 유망하지만, 이들 대부분 모델은 관계성과 수량 정보간의 순서를 잘 포착하지 못함.
이는 잘못된 수량표현과 부정확한 풀이 표현을 초래함.
본 논문에서는 Grpah2Tree 라는 그래프 기반 인코더와 트리 기반 디코더의 장점을 결합해 더 나은 정답표현을 생성하는 새로운 딥러닝 아키텍처를 제시함. Graph2Tree 프레임워크는 MWP에서의 관계성과 순서 정보의 효율적인 표현을 통해 기존 방법의 한계를 해결하도록 설계된 Quantity Cell Graph 와 Quantity Comparison Graph 두 가지 그래프를 포함.
두가지 데이터 셋에 대해 광범위한 실험을 함. 실험결과는 Grpah2Tree가 두 데이터 셋에서 첨단의 baseline을 능가하는 것을 명확히 보여줌

Next you can update your site name, avatar and other options using the _config.yml file in the root of your repository (shown below).