/mwp_kr_data

MWP_KR_DATA

AI Grand Challenge 5차 대회에 활용한 한국어 서술형 수학문제 데이터셋을 공개합니다. 훈련 및 테스트에 활용한 데이터셋 중 시중 참고서에서 발췌된 데이터셋 등 일부 데이터를 제외하였습니다.

  • 공개 계획
  • 자체구축 데이터 공개
  • 산술연산 문제가 아닌 문제들의 수식 정규화
  • 발췌 데이터 등 라이센스 확인 후 추가 공개

목차

1. 데이터 구성
2. 유형별 문제 예시
3. 지원
4. 데이터셋 구축 방법
5. 참여자
6. Citation
7. License

1. 데이터 구성

자체제작 데이터는 총 9,058개의 한국어 수학 문제와 답, 그리고 수식으로 구성되어 있습니다.
각 데이터는 9개의 유형로 구분되며, 유형의 종류와 유형 별 문제 수는 아래와 같습니다.

No 유형 유형별 개수 발췌 개수 자체제작 개수
1 산술연산 6781 5305 1476
2 순서정하기1* 516 0 516
3 순서정하기2 1292 0 1292
4 조합하기 1487 1152 335
5 수찾기1 2695 2651 44
6 수찾기2 2350 313 2037
7 수찾기3 1553 353 1200
8 크기비교 2020 534 1486
9 도형 2242 1570 672
- 전체 20936 11878 9058

"순서정하기1"은 정답이 산술연산 수식으로 표현되는 경우이며, "순서정하기2"는 문제에 나오는 명칭이 정답인 경우입니다.

2. 유형별 문제 예시

데이터는 JSON으로 작성하였으며, 데이터 구조 및 각 유형별 예시는 다음과 같습니다.

  • 데이터 구조
    • class, question, answer, equation은 모든 유형의 문제들이 공통적으로 사용합니다.
    • option, option_value, unknown은 유형에 따라 사용할지 정해집니다.
    • 특정 키를 사용하는 유형이라도 일부 문제들은 "none"값을 가집니다.
{
    문제 번호 (타입: 문자열): {
        "class": "문제 유형" (타입: 문자열),
        "question": "문제" (타입: 문자열),
        "answer" : "답" (타입: 문자열),
        "equation": "수식" (타입: 문자열),
        "option": "보기" (타입: 문자열),
        "option_value": "보기 값을 구하는 수식" (타입:문자열),
        "unknown": "미지수 값을 구하는 수식/정보" (타입: 문자열)
    },
    ...
}

  • 유형별 예시

    • 산술연산
    {
    "class": "산술연산",
    "question": "수연이는 하루에 25쪽 씩 3일 동안 모두 읽은 동화책을 다시 읽으려고 합니다. 동화책의 전체 쪽수는 몇 쪽일까요?",
    "answer": "75",
    "equation": "25*3",
    "option": "none",
    "option_value": "none",
    "unknown": "none"
}
    • 순서정하기1
    {
    "class": "순서정하기1",
    "question": "아이스크림을 기다리는 줄에서 원준이는 앞에서 여섯째, 뒤에서 셋째에 서있다고 합니다. 아이스크림을 기다리는 사람은 전부 몇 명일까요?",
    "answer": "8",
    "equation": "6+3-1",
    "option": "none",
    "option_value": "none",
    "unknown": "none"
},
    • 순서정하기2
      • option : 정답 후보들에 해당하거나 equation에서 X에 해당하는 값
    {
    "class": "순서정하기2",
    "question": "다람쥐가 도토리 주머니를 도토리가 적게 담긴 순서대로 땅속에 넣어두려 합니다. 도토리 주머니에는 도토리가 각각 10, 20, 50, 40, 30개 들어있습니다. 땅속에 두 번째로 넣어야 하는 도토리 주머니에는 도토리가 몇 개 들어있을까요?",
    "answer": "20",
    "equation": "find_min(sort(X),2)",
    "option": "10, 20, 50, 40, 30",
    "option_value": "none",
    "unknown": "none"
}
    • 조합하기
    {
    "class": "조합하기",
    "question": "지혜는 주사위 3개를 던져서 윗면에 나온 세 눈의 수를 모두 사용하여 분수를 만들려고 합니다. 만들 수 있는 가장 작은 대분수를 구하세요.",
    "answer": "(7/6)",
    "equation": "min(A)",
    "option": "none",
    "option_value": "none",
    "unknown": "none"
}
    • 수찾기1
      • unknown : 미지수를 구하기 위한 정보 (리스트)
    {
    "class": "수찾기1",
    "question": "영석이네 모둠 학생들이 한 뼘의 길이를 조사했더니, 영석이는 15.5cm, 은수는 13.7cm, 민정이는 14.3cm, 동규는 14.9cm이 나왔습니다. 영석이네 모둠 학생들의 한 뼘의 길이의 평균은 몇 cm인지 구하세요.",
    "answer": "14.6",
    "equation": "sum(X)/4",
    "option": "none",
    "option_value": "none",
    "unknown": "X=[15.5, 13.7, 14.3, 14.9]"
}
    • 수찾기2
      • unknown : 미지수를 구하기 위한 수식
    {
    "class": "수찾기2",
    "question": "8*4A=336일때, A를 구하시오.",
    "answer": "2",
    "equation": "A",
    "option": "none",
    "option_value": "none",
    "unknown": "8*4A=336"
}
    • 수찾기3
    {
    "class": "수찾기3",
    "question": "어떤 수에 3.4를 곱해야 할 것을 잘못하여 더했더니 15.2가 되었습니다. 바르게 계산한 값에 8을 곱하면 얼마인지 구하시오.",
    "answer": "320.96",
    "equation": "(15.2-3.4)*3.4*8",
    "option": "none",
    "option_value": "none",
    "unknown": "none"
}
    • 크기비교
      • option: 정답 후보들에 해당하는 값
      • option_value: 후보별 대입할 값
    {
    "class": "크기비교",
    "question": "민준이의 책장에는 책이 모두 60권 있습니다. 그중 22권은 위인전이고, 26권은 동화책입니다. 나머지는 모두 시집일 때 민준이의 책장에 가장 많이 꽃혀있는 책은 무엇입니까?",
    "answer": "동화책",
    "equation": "max(위인전, 동화책, 시집)",
    "option": "위인전, 동화책, 시집",
    "option_value": "위인전=22, 동화책=26, 시집=60-22-26",
    "unknown": "none"
}
    • 도형
    {
    "class": "도형",
    "question": "삼각형의 밑변이 7cm, 넓이가 21cm2일 때 높이는 몇 cm인지 구하세요.",
    "answer": "6",
    "equation": "21*2/7",
    "option": "none",
    "option_value": "none",
    "unknown": "none"
}

3. 지원

이 연구개발은 2022년도 과학기술정보통신부 산하 정보통신기획평가원(IITP)의 지원을 받아 수행한 연구 성과물의 일부입니다. 해당 연구과제에 대한 정보는 아래와 같습니다.

  • 과제번호: 2021-0-02314
  • 연구사업명: 인공지능산업원천기술개발
  • 연구과제명: 서술형 수학문제 해결을 위한 목표 기반 트리 구조 예측 자연어처리 모델 개발
  • 연구개발기간: 2022-01-01 ~ 2022-12-31
  • 주관연구기관: 주식회사 젠티
  • 공동연구기관: 한국원자력연구원 (인공지능응용전략실)

4. 데이터셋 구축 방법

저희가 공개한 한글 서술형 수학문제 데이터셋은 아래와 같이 크게 2가지의 방법으로 구축하였습니다.

  1. 셀렉트스타 주식회사가 수행한 [수학문제 관련 데이터 수집 및 가공] 용역을 통해 구축된 데이터의 일부
  2. 연구참여자 자체 구축한 데이터 일부

5. 참여자

젠티: 최은진, 허태일, 신동현, 정지영, 장경환
캐리: 유용균, 고태영, 전태현, 김민종, 임지연, 이상원
개인: 조희철, 임소영

6. Citation

@misc{MWP_KR_DATA
  author       = { Soyoung Lim, Heecheol Cho, Taeil Hur, Jiyeon Yim, Taeyoung Ko, Tae-Hyun Chun, Eunjin Choi, Jiyoung Jeong, Yonggyun Yu, Donghyun Shin, GyeongHwan Jang, Minjong Kim, Sangwon Lee},
  title        = {MWP_KR_DATA, Dataset for Math Word Problems in Korean Language},
  howpublished = {\url{https://github.com/jkc-ai/mwp_kr_data}},
  year         = {2022},
}

7. License

mwp_kr_data is licensed under the terms of the Apache License 2.0.

Copyright 2022 주식회사 젠티, 한국원자력연구원, 조희철, 임소영. All Rights Reserved.