解答问题

摘要： 在初中数学应用题审题教学中,教师要指导学生注重关键词的提炼,把握数学关系,精准审题,引导学生形成数学解题思路,正确运用数学的思想方法解答实际问题,切实促进学生数学综合能力的不断增强。一、提炼关键词句,精准入题数学应用题的表现形式是文字。有的学生在应用题申题过程中常常忙中出错,急于解答问题,并未仔细审题,导致在解答过程中出现错误。

摘要： 求角的取值范围问题是目前各级各类考试中出现的一种新题型,虽然比其他求范围问题的难度要大一些,但只要把握其特点,即只要抓住角的一条边或两条边来思考和解答问题,一样能化难为易,快速解答,下面举例说明其解法.

摘要： 高考对于学生的科学探究能力要求越来越高,学生需要具备基本的解题素养,在掌握试题的基础上,利用一定的解题流程逐步解答问题.科学探究类试题涉及的问题开放性较强,为学生学识和能力的展示提供了平台,但在解答此类试题时还是要遵循一定的流程,才能提高试题解答的质量和效率.

摘要： 以函数为背景的比较大小问题,是近年高考的常考题型,多以选择题的形式出现,且常出现在压轴题的位置,学生因不清楚这类题目的命题原理,因此在高考有限的时间内,往往不能快速、准确地解答问题.通过深入研究,笔者发现此类问题大多以某一函数为背景,以函数的性质为切入点.因此在求解问题时只要准确构造相应的函数型,即可顺利解答.

摘要： 和Vivid相识有四五年了。为了在西班牙注册企业,走进一家华人商务咨询公司,她是业务主管,出面接待。我打量了一眼:面容苍白,身材瘦小。心里不免嘀咕,Vivid的名字(鲜艳夺目),和本人完全不搭啊……但,她一开口却让人刮目相看,逐一解答问题,话不多而切中要点。咨询结束我起身道别:谢谢了,哪天方便,一起吃顿饭?她冷着脸,不必了,没空。

摘要： "诗无达诂"作为中国传统文学的鉴赏方式之一,其中的"达"意思是明白通畅,"诂"的意思则为运用现代语言解读古文涵意,"达诂"二字合起来就是通达明了之意。诗无达诂则可以这样理解:诗歌并没有确切的解读,要依靠领会其中的意蕴而无法用语言传达。不过,诗无达诂,亦有正解。基于此,本文提出了运用正确的方法解读高考诗歌评价题目的应对策略,运用合适的方法和技巧完全能够掌握解题的思路,正确的解答问题。

摘要： 在解答一道2020年中考压轴题时,发现该问题可以用三种方法解答,在实施教学时,应该着重教给学生的是哪一种方法?为什么着重学习这一种方法?本文通过对三种方法的对比,得出解答此类问题的通法,更进一步,对解答问题时的通法给出讨论.

摘要： 夯实基础,培养和提升高中学生的解题能力是高中化学的重要目标.基础,一是指基本知识,包括教材基本反应、基本概念、基本原理、基本问题等.二是指基本技能,包含读题审题、提取信息、调动和应用知识正确规范解答问题等.针对学生存在的问题,笔者在平时的教学中努力做到以下几点,感觉颇有收获.

摘要： 化归思想是指在解答问题时采用某种手段将问题进行变换,使之转化,从而解决问题的一种方法.在解题教学中,引导学生灵活运用化归思想,能够将陌生的问题转化为熟悉的问题,将复杂的问题转化为简单的问题,这样不仅能帮助学生提升解题的效率,还能有效地激发他们解题的兴趣.

摘要： 平面向量是高考数学中的必考内容,同学们必须熟悉并熟练掌握一些有关平面向量的常见题型及其解法.本文以一道平面向量问题为例,着重探讨了解答平面向量问题的两种思路.一、利用基底向量法求解基底向量法是指根据解题需求选择两个向量作为基底,然后运用平面向量基本定理将各个向量用基底表示出来,进而解答问题的方法.运用该方法解题。

摘要： 本发明公开了一种基于图像视觉到文本转换的视觉问答问题解决方法。本发明一种基于图像视觉到文本转换的视觉问答问题解决方法，包括：步骤1)获取一副图像，提取CNN特征；步骤2)构建和学习图像密集字幕深度网络；步骤3)构建属性网络；步骤4)执行深度游走，对每一个获取的图像标题提取知识库增强特征；步骤5)对所有的知识库增强特征执行平均池化，获取单幅图像的知识库增强特征；步骤6)执行问题为导向的Doc2Vec特征提取；步骤7)融合知识库增强特征、Doc2Vec特征和视觉特征送入Softmax层实现分类，并最终获取给定问题的答案。本发明的有益效果：基于密集字幕方法，本发明将VQA问题转化为文本问答问题。

摘要： 本发明公布了一种利用基于图论的多重交互网络机制解决视频问答问题的方法。步骤：1)针对视频，利用ResNet网络得到帧级别的视频表达。2)利用MaskR‑CNN网络得到物体的存在和位置特征。3)利用GloVe网络提取问题单词级信息。4)利用基于图论的GNN网络构图，引入消息机制对图迭代，最终得到物体存在和物体间联系特征表达。5)引入多重交互，利用前馈神经网络学习得到与问题相关的物体存在和物体间动态联系的特征表达以及视频帧级和片段级表达。6)针对不同类型的问题答案模块会采用不同的策略。本发明利用上述机制得到物体间的时空依赖关系和动态语义交互信息，在视频理解上达到更深刻的效果，继而给出更精准的答案。

摘要： 本发明公开了一种利用基于图的特定目标网络解决视频问答问题的方法及其系统，属于视频问答文本生成领域。主要包括如下步骤：1）针对于一组视频、问题、答案训练集，训练一个跨模态编码器，学习出视频信息和问题信息的联合表征。2）对于跨模态编码器编码完成的得到视频问题联合表达的神经网络的输出，通过一个解答模块根据数据集的不同问题训练不同的解码器，输出针对于视频和问题联合表达的自然语言答案。本发明采用一个更加细粒度的基于图的关系敏感的编码器来获得视频问答中的目标关系，采用一个特定目标的时序编码器来捕获特定目标的同质动态视觉线索，采用轨迹优化算法，减轻了复杂场景下目标检测的不足，有效提升了视频问答的性能。

摘要： 本发明公开了一种基于复杂网络分析方法的视觉问答问题解决方法，包括语义概念网络构建、非随机深度游走、图像和文本特征融合及分类器，语义概念网络构建旨在挖掘概念的共现模式以增强语义表达，非随机深度游走实现复杂网络关系到低维特征的映射，在构建图像语义概念网络的基础上，应用深度游走算法学习语义概念网络中节点的潜在关系，并将复杂网络中的节点映射成一个低维特征向量，多项式逻辑回归融合图像和文本特征以解决视觉问答问题。本发明深入挖掘了概念共生模式和集群概念的层次结构，有效地集成了图像的视觉和语义特征，以及自然语言特征，为解决视觉问答问题提供了一种可行途径。

摘要： 本发明公开了面向智能问答系统的无法回答问题的归因方法，获取不可回答问题；使用连续模板来转换输入问题的上下文和归因类；使用预训练语言模型将连续模板嵌入到高维向量空间中；使用基于prompt的MLM模块确定标签集中的哪个标签可填充输入中的[MASK]；面向原因的模板模块使用数据驱动的方法为模板构建指导信号；语义感知的标签模块对标签集中的标签进行编码，以将它们的表示保持在与输入相同的语义空间中；将监督标签是不可回答原因的预定义类，使用交叉熵损失函数计算损失，并反向传播以更新预训练语言模型；输出不可回答问题的归因。本发明特定于任务的设计能够更好地启发模型，从而实现最先进的性能。

摘要： 本发明属于自然语言处理领域，公开了一种针对拒答问题的阅读理解模型的自训练方法，包括步骤：S1.构建针对拒答问题的机器阅读理解模型，包括文本编码模块和答案预测模块；S2.将文本及问题输入所述的文本编码模块进行编码，然后输入至答案预测模块进行处理；以最小化训练损失函数为目标训练调整所述的机器阅读理解模型的参数，得到初始机器阅读理解模型；S3.对初始机器阅读理解模型使用自训练方法在无标签数据集上迭代训练得到理想机器阅读理解模型。本发明引入的验证函数对机器阅读理解模型预测效果进行检测，使用无标签数据就能较好地完成模型训练，获得比传统训练方法更好效果。

摘要： 本发明涉及一种基于改进词频的余弦相似度进行在线问答问题匹配的方法，可最大限度的匹配出用户问题，包括步骤：维护分词字典，为每条题库问题生成题库问题词汇表。对用户问题和每条题库问题进行归一化匹配，获得备选问题清单。本发明可通过业务分词字典和停用词字典，对用户问题和题库问题进行分词处理时，过滤干扰词汇，识别出有效的业务词汇，提高问题的匹配概率。同时将词汇出现次数进行归一化处理，只要词汇出现在问题描述中，不论出现次数，将其出现次数统一设置为1，否则设置为0，提高了备选问题的匹配数量。

摘要： 本发明公开了一种回答问题的方法及装置，涉及计算机技术领域。该方法的一具体实施方式包括：接收问题；为所述问题标注标签；在能够对所述问题标注出标签的情况下，在标签数据库中查找与所述标签的相似度满足第一预定义条件的一个或多个历史标签，其中，所述标签数据库中的历史标签是根据对所采集的历史问题标注标签而获得的；在不能够对所述问题标注出标签的情况下，在问题数据库中查找与所述问题的相似度满足第二预定义条件的一个或多个历史问题；根据查找到的所述历史标签或所述历史问题，构建所述问题的答案集，以生成所述问题的答案。该实施方式能够对用户输入的问题进行准确回答，从而降低产品退货率。

摘要： 本发明公开了一种智能问答问题的生成方法，应用于智能问答技术领域，用于解决在历史对话日志数据较少的情况下无法智能挖掘出更多的候选问题的技术问题。本发明提供的方法包括：获取预先构建的基础问题集，对该基础问题集中包含的各个基础问题进行语义角色标注，得到各基础问题中词语的角色；将该词语的角色作为槽位，通过聚类算法对各个基础问题包含的槽位进行聚类，得到该槽位所属的类别；根据预先设定的语法规则对得到的各类别进行组合，得到至少一个问题模板；分别获取至少一个该问题模板中包含的各类别所对应的槽位；将该基础问题中与该槽位相对应的词语作为槽值，通过该槽值对对应的槽位进行填充，得到候选问题。

摘要： 本发明实施例提供一种基于文本回答问题的方法及装置，所述方法包括：输入问题语义信息和文本语义信息至预设问题回答模型，并根据问题语义信息、文本语义信息和所述预设问题回答模型中的分类器，确定与文本语义信息中的各词分别对应的第一参数、及与问题语义信息中的各词分别对应的第二参数；根据所述第一参数、所述第二参数、所述文本语义信息和所述预设问题回答模型中的全连接网络，确定可感知问题的上下文表征参数；根据所述问题语义信息和所述上下文表征参数，在所述文本语义信息中输出回答问题的起始索引和终止索引。所述装置执行上述方法。本发明实施例提供的方法及装置，能够在文本语义信息中准确输出回答问题的起始索引和终止索引。