融合实体语义关系的分层抽样题理解方法研究与应用

摘要

近几年来，随着人工智能的快速发展，生活中的方方面面变得愈来愈智能化。在教育领域，如何让人工智能更好地服务于教育是一个十分有意义的课题。实现计算机个性化辅导学生学习的前提之一就是让计算机自动求解各类问题。并且数学问题自动求解一直是人工智能领域极具挑战性和吸引力的研究内容，而数学问题自动求解的第一个难关就是实现数学问题题意的自动理解。分层抽样题作为历年高考的必考考点，具有文本短、情境性强等特点，一直是题意自动理解的难点问题。目前，针对分层抽样题题意自动理解的研究比较少。
　　该研究以分层抽样题为研究对象，通过多角度分析分层抽样题及其题意特征，设计了一种融合实体语义关系的分层抽样题题意理解方法，并通过实验证明该方法对于题意理解的有效性。与此同时，设计开发了一套分层抽样题题意理解系统作为方法的应用。
　　首先，在对分层抽样题语句和题意特征研究中，通过对分层抽样题语句特点的分析，明确了分层抽样题题意理解的难点以及题意理解方法的方向。与此同时，通过对分层抽样题题意特征的研究，确定了一套分层抽样题题意表征框架，为题意理解指明了理解目标以及确定了题意理解的核心流程。
　　其次，在对分层抽样题及其题意特征研究的基础上，设计了一种融合实体语义关系的分层抽样题题意理解方法。以历年高考题和网络中的分层抽样题为测试语料验证了该方法的有效性。实验结果表明:除了总体句之外，该方法对于各类分层抽样题短句的识别F值均达到了90％以上，总体句识别F值达到了80.7％，并能较有效地抽取出各类短句的解题关键参数，其整题识别率达到了67％，达到了较好的题意理解效果。
　　最后，以融合实体语义关系的分层抽样题题意理解方法为核心设计开发了一个分层抽样题题意理解系统。经过测试，该系统能较好地理解简单和复合句式的分层抽样题，基本满足了分层抽样题题意理解的需求。

目录

声明

摘要

1．1 研究背景和意义

1．2 国内外研究现状

1．2．1 数学问题题意理解方法研究现状

1．2．2 数学问题题意理解系统研究现状

1．3 研究内容与方法

1．3．1 研究目标

1．3．2 研究内容

1．3．3 研究方法

1．4 论文组织结构

2 相关理论与技术基础

2．1 数学问题题意理解

2．1．1 数学问题题意理解的界定

2．1．2 基于规则的题意理解方法

2．1．3 基于领域知识的题意理解方法

2．2 信息抽取的相关方法

2．2．1 基于规则的命名实体抽取方法

2．2．2 命名实体语义关系抽取的基本方法

2．3 中文自然语言处理工具

2．4 本章小结

3 分层抽样题及其题意特征研究

3．1 分层抽样题特征研究

3．1．1 分层抽样题语句特点分析

3．1．2 分层抽样题题意理解难点分析

3．2 分层抽样题题意特征研究

3．2．1 分层抽样题题意核心要素

3．2．2 分层抽样题题意表征框架

3．3 本章小结

4 融合实体语义关系的分层抽样题题意理解方法研究

4．1 基于关键词的分层抽样题题意理解方法

4．1．1 关键词的提取和规则的制定

4．1．2 方法分析

4．2 融合实体语义关系的分层抽样题题意理解方法

4．2．1 分层抽样题领域实体库的建立

4．2．2 融合实体语义关系的题意理解规则设计

4．3 两种方法的性能分析

4．3．1 性能评价指标

4．3．2 实验结果与分析

4．4 本章小结

5 融合实体语义关系的分层抽样题题意理解系统研发

5．1 需求分析

5．2 系统设计

5．3 系统实现

5．3．1 开发语言与环境

5．3．2 主要模块实现

5．4 系统测试与分析

5．5 本章小结

6 总结与展望

6．2 研究不足与展望

参考文献

攻读学位期间取得的研究成果

致谢