融合实体语义关系的分层抽样题理解方法研究与应用

发布时间：2024-05-14 02:53

　　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...

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图４．１基于关键词的题意理解方法设计流程??

并且由于关键词的识别相对简单，因此本研宄先以关键词为线索，尝试设计??—种基于关键词的分层抽样题题意理解方法。??基于关键词的分层抽样题意理解方法设计流程如图４．１所示：??Ｉ￣语料￣＾?语料??＾?语料??１预处理?标注??????ｙ??驭?／Ｖ?ｍ－?：ｒｎ，＼＇提取关键ｉｉ....

图4.2部分已标注语料截图

硕士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??的非核心短句，为了保证实验的公正性，也将这些非核心短句分成了?２类：方法句即单纯说明抽样方法的短句，例如“若采用抽样方法”；情景句，即不属于以上类，不含数字，单纯用于描述题目情景的短句，例如“为了调查该城市所有居民收入情况”。??....

图４．３融合实体语义关系的分层抽样题题意理解方法流程图??首先，对分层抽样题进行断句和分词，将处理结果放入预先建立的分层抽样题??

??基于该思路，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，该方??法大致流程如图４．３所示。??实??分词结果?？体??库??Ｔ??层实体??——丄―－丨?★??分层抽样题?＾断句：?？铆则椎理：?＾输出理??分词ｉ?解结果??—?＂―■?■?１??图４．３融合实体语义....

图４．４分层抽样题领域实体库建立流程图??为了保证的实体库的质量，所有实体都来源于网络和参考书中的１２０道分层抽??

由于分层抽样题领域相对较小，具有并列关系的实体数量不多。为了能够建立??—个高质量的分层抽样题领域的实体库，本研宄采用在领域专家的指导下，以人工??抽取的方式来建立实体库。如图４．４是实体库建立的基本流程：??ｉ吾料?一＿？实体组的提取——？实体组的筛选?＾体??￣」??；?Ｉ?....

本文编号：3973092