隨著計(jì)算機(jī)科學(xué)技術(shù)與人工智能的快速發(fā)展,類人答題、機(jī)器證明等研究方向成為國(guó)內(nèi)外研究熱點(diǎn)。計(jì)算機(jī)的類人答題與自動(dòng)推理是指計(jì)算機(jī)系統(tǒng)以數(shù)學(xué)文本作為輸入,通過(guò)自然語(yǔ)言處理技術(shù)提取文本中的知識(shí),然后通過(guò)知識(shí)的推理實(shí)現(xiàn)知識(shí)的迭代更新過(guò)程。實(shí)體提取作為自然語(yǔ)言理解的基本任務(wù),在數(shù)學(xué)文本的知識(shí)提取中起到了至關(guān)重要的作用,其效果將會(huì)直接影響到初等數(shù)學(xué)的題意理解。本文圍繞初等數(shù)學(xué)領(lǐng)域中的實(shí)體提取任務(wù)展開(kāi)相關(guān)研究工作,結(jié)合初等數(shù)學(xué)文本特點(diǎn)與自然語(yǔ)言總體過(guò)程,將實(shí)體提取任務(wù)分為實(shí)體引入與指代消解兩個(gè)子任務(wù)�；跀�(shù)學(xué)文本的表述特點(diǎn),本文將數(shù)學(xué)實(shí)體定義為既包含實(shí)體類型又包含實(shí)體變量的二元組。而數(shù)學(xué)文本中的實(shí)體往往并不是這樣完整的二元組,根據(jù)實(shí)體元素的缺失類型不同將實(shí)體缺失分為實(shí)體類型缺失、實(shí)體變量缺失與實(shí)體二元組缺失三種。對(duì)于實(shí)體類型缺失,本文構(gòu)建使用基于詞序列的BERT-Bi-LSTM-CRF模型進(jìn)行命名實(shí)體標(biāo)注來(lái)將實(shí)體所缺失類型進(jìn)行補(bǔ)全和引入;對(duì)于實(shí)體二元組缺失,則將其通過(guò)數(shù)量詞展開(kāi)來(lái)轉(zhuǎn)換為實(shí)體變量缺失問(wèn)題;對(duì)于實(shí)體變量缺失,則采用基于映射規(guī)則的方法來(lái)確定待引入實(shí)體與其他實(shí)體的數(shù)量關(guān)系與對(duì)應(yīng)關(guān)系,并針對(duì)這些... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

隱馬爾可夫模型結(jié)構(gòu)

電子科技大學(xué)碩士學(xué)位論文圖2-2最大正向匹配分詞算法（2）最大逆向匹配算法最大逆向匹配算法是最大正向匹配算法的逆向思維，該算法是指從右向左進(jìn)取maxlen個(gè)字符進(jìn)行匹配，并且在每次無(wú)法匹配的時(shí)候去掉匹配字符串的第一個(gè)字符，然后繼續(xù)進(jìn)行匹配，直到整個(gè)句子被切分開(kāi)來(lái)。（3）最大雙向匹配算法雙向最大匹配算法是最大正向匹配算法與最小正向匹配算法的綜合，該算法將待切分句子分別做最大正向匹配分詞與最小正向匹配分詞，對(duì)兩種算法分詞的結(jié)果進(jìn)行比較，從而確定效果較好的分詞方法。有的學(xué)者在此基礎(chǔ)上也在詞典上做了處理，對(duì)詞典根據(jù)詞頻與詞性做了排序來(lái)降低時(shí)間復(fù)雜度。2.基于統(tǒng)計(jì)方法的分詞這種方法是一種無(wú)詞典分詞，它的主要思想是：上下文中，相鄰的字同時(shí)出現(xiàn)的次數(shù)越多就越可能構(gòu)成一個(gè)詞，因此字與字相鄰出現(xiàn)的概率或頻率則代表相鄰的字構(gòu)成詞的可能性[36]。依據(jù)該思想的主要統(tǒng)計(jì)模型有：N-gram模型，隱馬爾可夫模型。10

第二章相關(guān)理論技術(shù)研究表2-1斯坦福Parser的句子結(jié)構(gòu)部分符號(hào)含義句法符號(hào)含義NP名詞短語(yǔ)VP動(dòng)詞短語(yǔ)LCP方位詞短語(yǔ)DNP由“的”構(gòu)成的表示修飾性關(guān)系的短語(yǔ)PP介詞短語(yǔ)ADVP副詞短語(yǔ)PN代詞QP量詞短語(yǔ)ADJP形容詞短語(yǔ)CC連詞......2.3循環(huán)神經(jīng)網(wǎng)絡(luò)（RecurrentNeuralNetworks，RNN）循環(huán)神經(jīng)網(wǎng)絡(luò)是基于輸入序列中前面的序列會(huì)對(duì)后面的序列產(chǎn)生影響的特征而構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型。在處理文本時(shí)，可以將句子看作有序的詞序列，若將每個(gè)詞語(yǔ)作為一個(gè)時(shí)間點(diǎn)，就可以將在空間上的序列轉(zhuǎn)換為時(shí)間上的時(shí)間序列[42]。RNN網(wǎng)絡(luò)在隱層節(jié)點(diǎn)之間建立連接，使得“空間”與“時(shí)間”相互連接起來(lái)。下圖2-3即是循環(huán)神經(jīng)網(wǎng)絡(luò)的原理示意圖：圖2-3RNN原理示意圖如圖即為RNN的原理示意圖，其除了輸入與輸出節(jié)點(diǎn)外，還有一條環(huán)形數(shù)據(jù)流，這一數(shù)據(jù)流將t時(shí)刻時(shí)間點(diǎn)信息傳遞給t+1時(shí)刻時(shí)間點(diǎn)。將循環(huán)展開(kāi)即為一個(gè)多層全連接的神經(jīng)網(wǎng)絡(luò)，每層的數(shù)據(jù)是一個(gè)時(shí)間點(diǎn)，通過(guò)這種特殊結(jié)構(gòu)，可以將歷史的信息動(dòng)態(tài)的保存在每個(gè)時(shí)間點(diǎn)的模型中，就實(shí)現(xiàn)了記憶效果，即是當(dāng)前時(shí)13

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的領(lǐng)域問(wèn)答系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 胡婕,陶宏才.  成都信息工程大學(xué)學(xué)報(bào). 2019(03)
[2]話語(yǔ)實(shí)體的引入-追蹤模式[J]. 王紅旗.  當(dāng)代語(yǔ)言學(xué). 2018(02)
[3]基于CRFs和領(lǐng)域本體的中文微博評(píng)價(jià)對(duì)象抽取研究[J]. 丁晟春,吳婧嬋媛,李霄.  中文信息學(xué)報(bào). 2016(04)
[4]共指消解研究方法綜述[J]. 宋洋,王厚峰.  中文信息學(xué)報(bào). 2015(01)
[5]篇章中指代消解研究綜述[J]. 周炫余,劉娟,盧笑.  武漢大學(xué)學(xué)報(bào)(理學(xué)版). 2014(01)
[6]數(shù)學(xué)符號(hào)語(yǔ)言與自然語(yǔ)言的關(guān)系探微[J]. 孟艾菊,婁亞敏.  現(xiàn)代語(yǔ)文(語(yǔ)言研究版). 2014(01)
[7]名詞回指選擇的語(yǔ)用分析[J]. 黃利華.  重慶科技學(xué)院學(xué)報(bào)(社會(huì)科學(xué)版). 2012(19)
[8]漢語(yǔ)回指消解算法推導(dǎo)[J]. 王德亮.  外語(yǔ)教學(xué). 2011(03)
[9]中文分詞技術(shù)及其實(shí)現(xiàn)[J]. 付年鈞,彭昌水,王慰.  軟件導(dǎo)刊. 2011(01)
[10]命名實(shí)體識(shí)別研究進(jìn)展綜述[J]. 孫鎮(zhèn),王惠臨.  現(xiàn)代圖書(shū)情報(bào)技術(shù). 2010(06)

碩士論文
[1]融合HMM及歌曲特征標(biāo)簽的混合推薦算法研究[D]. 李春俊.江西師范大學(xué) 2019
[2]基于標(biāo)簽相關(guān)性的文本多標(biāo)簽分類算法的研究[D]. 楊濤.北京工業(yè)大學(xué) 2019
[3]面向通信領(lǐng)域術(shù)語(yǔ)的命名實(shí)體識(shí)別[D]. 張晨.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院人工智能學(xué)院) 2019
[4]初等數(shù)學(xué)問(wèn)題題意理解方法研究及應(yīng)用[D]. 汪中科.電子科技大學(xué) 2018
[5]初等數(shù)學(xué)應(yīng)用題自動(dòng)求解關(guān)鍵技術(shù)的研究及其實(shí)現(xiàn)[D]. 李銳.電子科技大學(xué) 2018
[6]基于統(tǒng)計(jì)NLP技術(shù)的甲骨卜辭的分析研究[D]. 黃勇杰.華東師范大學(xué) 2010



本文編號(hào)：3470461