计算机应用研究

作者：菅朋朋,闫鸣,王彦丽,

单位：1.华北水利水电大学信息工程学院,郑州450046；2.河南财经政法大学,郑州450016；

关键词：数学应用题求解,预训练语言模型,语义增强,池化,置信度,

基金：国家自然科学基金资助项目(62107014)；河南省青年人才托举工程项目(2023HYTP046)；河南省重点研发与推广专项资助项目(232102320155)；河南省高等教育教学改革研究与实践重大项目(2021SJGLX017)；新工科背景下现代产业学院信创人才培养模式研究与实践(2024SJGLX0108)；；

针对现有数学应用题机器解答方法不能自适应理解语义多变的问题文本、求解精度提升受限，提出基于语义理解增强的机器解答方法。首先，设计语义增强的预训练语言模型SeBERT，通过多粒度知识建模策略和连续语义融入策略以实现对题目的精确理解；其次，构建求解模型SeBERT-PT，其采用语言模型-池化-树的求解结构，有效改善了应用题的语义理解偏差并且提高了解题的精确度；最后，引入基于置信度的判断机制，对于不值得信任的预测直接判定求解失败，确保解答精度的同时，提升求解模型训练效率。实验结果表明，该方法在中文和英文数据集上的解题精度分别达到了85.7%和77.9%，均优于其他基线方法，特别是在涉及复杂语义理解和逻辑推理的题目上，表现尤为突出。证明了该方法在提升数学应用题解答精度方面的有效性，也展示了其在跨语言环境下的广泛适用性。

来源：2025年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第1期