构建一个中文国小数学文字问题语料库-InstituteofInformation.PDFVIP

構建一個中文國小數學文字問題語料庫 繆慎耘 Shen-Yun Miao 中央研究院資訊科學研究所 Institute of Information Science Academia Sinica jackymiu @.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 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；亦可讓使用者按個別應用需求，塑造不 同組態的特殊語料庫，將有助於從事相關研究者之工作。 關鍵詞：數學文字問題 ，語料庫 ，標註 1. 緒論 求解數學文字問題(Math Word Problem)[1-4] ，基於以下的原因[3, 4]常被選作研究自然語 言理解的測試案例：(1) 數學文字問題的答案，無法單純地藉由實行關鍵字或特徵配對 被擷取（如傳統的問答（QA ）系統），因此可以清楚地顯示出理解和推理的優勢。(2) 與其他領域相比，數學文字問題通常不具有那麼複雜的語法（如人文社會領域），並僅 需要少量的領域知識（與物理化學領域相較），因此研究人員可以著重於自然語言理解 和推理的任務上。(3) 數學文字問題的“主幹”部分（即描述問題給定資訊的部分），通常 只由少數句子組成，因此理解和推理過程能被程式快速執行，加速研發進程。(4) 數學 文字問題求解器有實際的應用，如小學數