构建一个中文国小数学文字问题语料库.PDF

The 2016 Conference on Computational Linguistics and Speech Processing ROCLING 2016, pp. 352-371  The Association for Computational Linguistics and Chinese Language Processing 構建一個中文國小數學文字問題語料庫 Building a Corpus for Developing the Chinese Elementary School Math Word Problem Solver 繆慎耘 Shen-Yun Miao 中央研究院資訊科學研究所 Institute of Information Science Academia Sinica ja ckymiu@.tw 林素朱 Su-Chu Lin 中央研究院資訊科學研究所 Institute of Information Science Academia Sinica jess@iis.sinic .tw 馬偉雲 Wei-Yun Ma 中央研究院資訊科學研究所 Institute of Information Science Academia Sinica ma@.tw 蘇克毅 Keh-Yih Su 中央研究院資訊科學研究所 Institute of Information Science Academia Sinica kysu@.tw 摘要 本篇論文提出了一個理想數學文字問題語料庫所應具備的特性，並敘述我們如何建置一 個完善的中文國小數學文字問題語料庫：其過程、所標註的內容、以及遭遇的困難。求 解數學文字問題是自然語言理解在人工智慧領域的一個常見應用。近年來有關於英文數 學文字問題的研究，都是以機器學習的方法為主。但不論是執行機器學習，或比較不同 的解題系統，都需要一個完善的語料庫。目前國際上雖然已有數個公開的英文數學文字 問題題庫，但他們所收錄的數學題庫多偏頗於自家解題系統的特性，難以公平評估各系 統的真實性能。而在中文方面，迄今尚無任何一個公開的數學文字問題題庫可資使用 。 為了能有一個可供研究使用的數學文字問題語料庫，並修正前述英文題庫之缺失 ， 我們建立了一個頗具規模的中文國小數學文字問題語料庫。此語料庫原始資料是由台灣 三個國小教科書及參考書的出版社所授權提供。為完整提供所有的數學文字問題題型及 352 內容，我們僅僅清除了無關解題的垃圾符號，並不增刪原始內容，以完整呈現文字敘述 之原貌。此外，我們還加註了額外的訊息，並在部分題目上標註題型和語言分析，以助 研究者瞭解數學文字問題之特性及建立模型。 本語料庫是第一個完整的中文國小數學文字問題語料庫。依各個年級分類，含有數 種補充資訊，便於評估各解題系統的解題能力