近年來,隨著人工智能的不斷發(fā)展,自然語言處理領域的不斷進步,以自動解答和類人輔導為核心的線上智能教育平臺越來越多,對學生的學習起著越來越重要的作用。要想實現(xiàn)線上智能教育系統(tǒng),關(guān)鍵在于中文文本形式的題目如何被計算機識別,并存儲到對應合理的數(shù)據(jù)結(jié)構(gòu)中進行知識推演。而線上教育系統(tǒng)的自動解答功能則為學生提供了更類人、更有效的學習方式,其中,初等數(shù)學應用題是數(shù)學領域自動解答功能的難點。本文以自然語言處理技術(shù)和谷歌神經(jīng)網(wǎng)絡機器翻譯等相關(guān)技術(shù)作為理論基礎,以實現(xiàn)應用題自動解答作為研究目標,討論研究了初等數(shù)學應用題的知識表示、語義理解和自動推演等核心內(nèi)容,且在此基礎上實現(xiàn)了自動解答系統(tǒng)。本文的主要研究為:首先本文的應用題知識表示方式以Kintsch提出的單步應用題知識表示框架為基礎,提出一種新的信息框架,囊括了Kintsch的知識表示框架,并擴展了一些新的內(nèi)容,比如屬性槽、單位槽和數(shù)量關(guān)系槽等。通過實驗證明目前提出的信息框架可以表示初等數(shù)學應用題的題目信息,并能有效用于自動解答中;其次是語義理解,初等數(shù)學應用題的語義理解是指從應用題文本中提取信息并存放于信息框架中,即從文本中提取實體、屬性、數(shù)量、單位...

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

圖2-1框架表示法的一般表示形式

電子科技大學碩士學位論文現(xiàn)，且很難解決。2）由于組織原則的缺乏，因此知識庫很難管理。3）過程以及啟發(fā)式的知識都很難表示。4）推理過程和表示的內(nèi)容是分離的，這導致處理的過程加長且效率框架表示法理學專家在研究中發(fā)現(xiàn)，在人類的日常理解與思維活動中，對于遇處理，都是依賴于過去的經(jīng)驗與積累....

圖2-2LSTM原理示意圖

神經(jīng)網(wǎng)絡簡稱LSTM[26]，是為了解決RNN長期依賴問經(jīng)網(wǎng)絡，LSTM在RNN的基礎上融入了“門”的概念思維過程，LSTM在RNN隱藏層中加入一個信息處理僅僅包含RNN中簡單的tanh函數(shù)，還多了幾個sig每個隱藏層單元之間是連續(xù)的狀態(tài)，LSTM也....

圖2-3谷歌神經(jīng)網(wǎng)絡機器翻譯模型結(jié)構(gòu)

圖2-3谷歌神經(jīng)網(wǎng)絡機器翻譯模型結(jié)構(gòu)GNMT模型的左側(cè)是處理輸入序列的編碼網(wǎng)絡，右側(cè)是生成翻譯結(jié)果的解碼網(wǎng)絡，中間是Attention模塊，左側(cè)編碼網(wǎng)絡的底層是雙向?qū)�，其他層是單向�(qū)�。在這個雙向?qū)又�，�?jié)點之間從箭頭方向判斷是從左到右傳遞信息還是從右到左傳遞信息，為了加速....

圖2-4GNMT中的LSTM

圖2-4GNMT中的LSTM在翻譯模型中，翻譯輸出的某些單詞所需的信息可能出現(xiàn)在源端的任何位置，在源端，信息通常是從左到右傳遞，但是表示信息的詞語可能會在輸入端的某些地方被分割，為了在編碼網(wǎng)絡的每個節(jié)點中具有最佳可能的上下文，GNMT中的編碼模塊使用雙向RNN，為了實....

本文編號：3945044