论文全名：Learning to Solve Arithmetic Word Problems with Verb Categorization
模型简称：ARIS
任务：math word problem
论文链接：https://aclanthology.org/D14-1058/
官方项目网站：https://www.cs.washington.edu/nlp/arithmetic（数据集下载地址失效了，看了一下代码是用Java写的……我退缩）
本文是2014年EMNLP论文，是第一个不用预定义模版来解决MWP问题（仅考虑加减场景）的工作。
识别问题状态中的变量和数值，映射到公式中。通过识别7种动词，来分析数学题类型。
（每个动词都识别一下）
简单来说就是识别每个数字对应是加还是减，然后放进公式……
具体细节还挺复杂的，是那种老文章，所以方法我其实没太看懂。以下我能看懂啥就简单介绍啥了。
1. MWP任务介绍
问题首先描述一个状态，然后介绍在状态上的改变，最后提出一个量化问题。
问题中有些信息是无用的。
2. ARIS
预测句子中的动词种类，将问题ground到全局状态转变（由动词种类建模得）。
整个问题被分成很多fragments/句子，每个fragment代表一种状态的转变。
将每个句子表征concat起来，生成公式。
动词种类：
- Observation：初始化
- Positive：加
- Negative：减
有2个container句子的种类：
- Positive transfer
- Negative transfer
- Construct：都涨
- Destroy：都降
全局状态： < E , C , R > <E,C,R> <E,C,R>
实体：数字被关注的那个对象
container（大概类似“实例”的概念，持有属性的对象，如有9只小猫的莉齐）
关系（实体、container、属性（黑色、walnut）、数量（可以是数字、变量、表达式）之间的关系）
（我觉得这种描述方式是很奇怪的，我怀疑是之前的工作有这方面的详细介绍，跟现在的不同）
h h h：名词种类集合
每个数字关联一个实体
然后反正这部分没咋看懂，大致来说就是用规律和语法解析树硬把结构给抠出来。用SVM训练模型。
根据动词来选择公式符号，这种感觉？
3. 实验
3.1 数据集
3.2 指标
准确率（经3折交叉验证的）
3.3 主实验结果
ARIS 2 _2 2
Majority是把所有数字都直接加起来
Gold ARIS是直接用真实句子分类
3.4 实验分析
