發(fā)布時(shí)間：2019-10-17 20:26

【摘要】：近幾年來,隨著人工智能的發(fā)展,生活上的方方面面都變得更加智能化。而在教育領(lǐng)域,如何讓人工智能的力量更好的服務(wù)于人類的教育是一個(gè)十分有意義的課題。要讓計(jì)算機(jī)能夠個(gè)性化輔導(dǎo)和自動(dòng)解題,首先要解決的就是讓計(jì)算機(jī)理解人類所使用的數(shù)學(xué)語言,才能實(shí)現(xiàn)計(jì)算機(jī)自動(dòng)推理和自動(dòng)解題。本文主要研究了初等數(shù)學(xué)領(lǐng)域中題意理解的關(guān)鍵方法,包括初等數(shù)學(xué)語言的特點(diǎn)及其知識(shí)表示方法,初等數(shù)學(xué)的詞的表示方法,數(shù)學(xué)短文本的特征提取及特征構(gòu)造方法,基于分類思想的題意理解過程和數(shù)學(xué)文本的預(yù)處理方法等內(nèi)容。由于初等數(shù)學(xué)語言有別于普通自然語言的特殊性,要研究初等數(shù)學(xué)題意中的數(shù)學(xué)語言,就不能直接使用處理普通自然語言的已有的方法。相對(duì)于普通自然語言,數(shù)學(xué)語言中包含了大量的符號(hào)、公式、專有名詞等普通自然語言沒有的內(nèi)容,所以要做好初等數(shù)學(xué)的題意理解就必須針對(duì)這些特性對(duì)普通的自然語言處理方法做出改進(jìn)。本文主要研究工作如下:1、首先詳細(xì)分析了初等數(shù)學(xué)語言的特點(diǎn),并根據(jù)其特點(diǎn)和設(shè)計(jì)了一種簡(jiǎn)單,高效的初等數(shù)學(xué)知識(shí)表示方法。1)在詞的表示層面,本文深入研究在自然語言領(lǐng)域已經(jīng)取得較好效果的開源工具word2vec中的模型和算法,繼而在此基礎(chǔ)上針對(duì)數(shù)學(xué)語言的特點(diǎn)對(duì)其提出了對(duì)數(shù)學(xué)領(lǐng)域中的關(guān)鍵詞加權(quán)等一些列的改進(jìn),使其更適合表示數(shù)學(xué)語言中的詞。2)在句子的表示層面,通過將語義層面的特征和數(shù)學(xué)實(shí)體層面的兩種特征結(jié)合起來的方法表示數(shù)學(xué)短文本。兩種特征的協(xié)同表達(dá),使其對(duì)數(shù)學(xué)短句子的特征表達(dá)更充分,更有利于后續(xù)工作。2、在題意理解的方法上,本文另辟蹊徑的將數(shù)學(xué)題意理解問題轉(zhuǎn)化為了數(shù)學(xué)短文的分類問題,使得問題簡(jiǎn)單化,可以根據(jù)已有的方法很好的解決未知的問題。在數(shù)學(xué)短文本分類方面,根據(jù)語義和數(shù)學(xué)實(shí)體的協(xié)同特征向量的特點(diǎn),本文將兩種已有的分類算法結(jié)合并加以改進(jìn),提出了一種適合數(shù)學(xué)文本分類的分類算法。3、在題意理解的具體流程上,首先設(shè)計(jì)針對(duì)初等數(shù)學(xué)領(lǐng)域的文本預(yù)處理方法,繼而通過詞向量和數(shù)學(xué)實(shí)體構(gòu)造特征向量,接著進(jìn)行數(shù)學(xué)短文本的分類,最后生成對(duì)應(yīng)的知識(shí)表示。并將實(shí)現(xiàn)的系統(tǒng)用在初等數(shù)學(xué)題目自動(dòng)求解的系統(tǒng)中。基于以上方法,本文設(shè)計(jì)與實(shí)現(xiàn)了一個(gè)初等數(shù)學(xué)題意理解系統(tǒng)。并通過對(duì)比實(shí)驗(yàn)證明此系統(tǒng)在初等數(shù)學(xué)題意理解方面取得了較好的效果。
【圖文】：

電子科技大學(xué)碩士學(xué)位論文饋神經(jīng)網(wǎng)絡(luò)在處理數(shù)據(jù)時(shí)，只關(guān)心當(dāng)前狀態(tài)的輸入，沒有辦法獲特征。所以，在處理與時(shí)間或者序列相關(guān)的信息時(shí)，除非把上一前時(shí)刻的信息一起輸入網(wǎng)絡(luò)，，否則是沒有能力獲取描述時(shí)間信RNN 不同，這種網(wǎng)絡(luò)本身的結(jié)構(gòu)在設(shè)計(jì)的時(shí)候就將時(shí)序特征包中的處理單元，與它連接的不僅僅是當(dāng)前時(shí)刻的輸入層，還會(huì)與單元連接。它是一個(gè)反饋動(dòng)態(tài)系統(tǒng)，RNN 每次處理當(dāng)前時(shí)刻的來以便下一個(gè)時(shí)間的使用。因此，RNN 每次在處理信息時(shí)，都面幾個(gè)時(shí)刻的處理信息和狀態(tài)信息�；谝陨咸匦裕琑NN 相對(duì)網(wǎng)絡(luò)，更具有對(duì)動(dòng)態(tài)信息的計(jì)算和擬合能力。 2-1 是 RNN 的結(jié)構(gòu)圖：

直接將句子按照自然狀態(tài)下的標(biāo)點(diǎn)符號(hào)進(jìn)，對(duì)于數(shù)學(xué)語言描述的長(zhǎng)文本中的標(biāo)點(diǎn)符號(hào)部分是不需要作為切分標(biāo)志。而且長(zhǎng)文本那些不作為切分標(biāo)志的標(biāo)點(diǎn)往往集中在坐上下文特征。，本文的斷句方法基于序列標(biāo)注的思想，通切分標(biāo)志的標(biāo)點(diǎn)標(biāo)記出來。對(duì)于一個(gè)序列標(biāo)自動(dòng)標(biāo)注的模型。：由于此處的文本切分任務(wù)可以視作針對(duì)所以標(biāo)簽只有兩種：表示要切分的“Y”和：由于長(zhǎng)文本中的兩個(gè)切分標(biāo)記之間包含之間都包含了完整的分詞結(jié)果，命名實(shí)體結(jié)，還加入分詞的邊界特征和命名實(shí)體的邊界列如圖 3-2 所示：
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：O12;TP391.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張利娟;;人工智能讓生活更便捷[J];中國(guó)報(bào)道;2016年04期

2 張志昌;周慧霞;姚東任;魯小勇;;基于詞向量的中文詞匯蘊(yùn)涵關(guān)系識(shí)別[J];計(jì)算機(jī)工程;2016年02期

3 王芳;;自然語言邏輯的產(chǎn)生與人工智能中的知識(shí)表示[J];福建農(nóng)林大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2015年05期

4 張建明;詹智財(cái);成科揚(yáng);詹永照;;深度學(xué)習(xí)的研究與發(fā)展[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年02期

5 陳曉康;劉竹松;;基于改進(jìn)Kd-Tree構(gòu)建算法的k近鄰查詢[J];廣東工業(yè)大學(xué)學(xué)報(bào);2014年03期

6 徐大明;;語言是人類的信息工具[J];瓊州學(xué)院學(xué)報(bào);2014年04期

7 高俊偉;孔芳;朱巧明;李培峰;;基于SVM的中文名詞短語指代消解研究[J];計(jì)算機(jī)科學(xué);2012年10期

8 孫茂松;;基于互聯(lián)網(wǎng)自然標(biāo)注資源的自然語言處理[J];中文信息學(xué)報(bào);2011年06期

9 曹玉娟;牛振東;趙X;彭學(xué)平;;基于概念和語義網(wǎng)絡(luò)的近似網(wǎng)頁(yè)檢測(cè)算法[J];軟件學(xué)報(bào);2011年08期

10 張潤(rùn);;中學(xué)數(shù)學(xué)基本思想方法歸納與總結(jié)[J];基礎(chǔ)教育論壇;2010年09期

相關(guān)會(huì)議論文 前1條

1 朱江濤;趙麗奎;蔡?hào)|風(fēng);;基于最大熵模型的中文姓名識(shí)別方法初探[A];第二屆全國(guó)學(xué)生計(jì)算語言學(xué)研討會(huì)論文集[C];2004年

相關(guān)碩士學(xué)位論文 前1條

1 張春燕;基于自然語言處理的文本分類分析與研究[D];江西理工大學(xué);2011年

本文編號(hào)：2550752