With the advancement of technology and big data, machine learning has become the trend in a lot of researches. This is due to the high eciency of machine learning. This thesis presents an implementation of recurrent neural network (RNN) model, a type of model of machine learning, for solving math word problem. We use seq2seq model to increase the accuracy of the performance. However, despite the decrease in the cost function, the accuracy of the machine is very low. Thus, we consider the limitations of our model that could be improved.
최근 알파고가 바둑계를 제패한 이후로 심층 학습에 기반한 기계학습이 많은 연구에서 쓰이기 시작했다. 그 이유는 심층 학습이 기존의 알고리듬적 접근법으로 해결하지 못한 많은 문제를 풀어 주기 때문이다. 본 논문에서는 문장형 수학 문제를 풀기 위해 심층 학습 모델 중 하나인 순환신경망을 구현해 본다. 정확도를 높이기 위해 seq2seq 모델을 이용하였으나, 비용 함수의 감소에도 불구하고 기계의 정확도는 매우 낮다. 우리는 이 기계의 문제점을 고려해보고 개선할 방법을 생각해 본다.
