隨著互聯(lián)網(wǎng)進(jìn)入一個(gè)高速發(fā)展期,人們的衣、食、住、行等各個(gè)方面都發(fā)生了日新月異的變化,教育行業(yè)也逐步從傳統(tǒng)的機(jī)械化教育方式到現(xiàn)代的智能化教育方式轉(zhuǎn)變。知識(shí)圖譜是大數(shù)據(jù)時(shí)代的產(chǎn)物,不僅可以方便的查看學(xué)科知識(shí)點(diǎn)的結(jié)構(gòu)關(guān)系,而且可以為自然語(yǔ)言理解提供可視化的概念——關(guān)系表示及深度語(yǔ)義推理。因此,構(gòu)建初等數(shù)學(xué)知識(shí)圖譜,引導(dǎo)學(xué)生自主學(xué)習(xí)、充分發(fā)揮主觀能動(dòng)性具有重要的理論意義和實(shí)際應(yīng)用價(jià)值。本文在研究分析初等數(shù)學(xué)學(xué)科知識(shí)特點(diǎn)的基礎(chǔ)上,提出了一種基于核心概念和關(guān)系的初等數(shù)學(xué)知識(shí)圖譜半自動(dòng)構(gòu)建方法,主要研究?jī)?nèi)容如下:通過(guò)對(duì)通用領(lǐng)域自然語(yǔ)言處理和知識(shí)表示方法的分析和研究,提出了面向數(shù)學(xué)領(lǐng)域的自然語(yǔ)言處理模型和知識(shí)表示方法。按照數(shù)學(xué)知識(shí)使用場(chǎng)景的不同,把數(shù)學(xué)學(xué)科知識(shí)分為幾何、代數(shù)、概率統(tǒng)計(jì)和文字題四大類,使用支持向量機(jī)實(shí)現(xiàn)初等數(shù)學(xué)問(wèn)題的場(chǎng)景分類,降低了關(guān)系抽取任務(wù)的復(fù)雜度,便于知識(shí)點(diǎn)的模塊化管理。使用模式匹配、句法分析和深度學(xué)習(xí)方法進(jìn)行關(guān)系抽取,同時(shí)融合依存句法分析和TextRank算法,提出了一種基于關(guān)鍵詞定位的初等數(shù)學(xué)文本關(guān)系自動(dòng)抽取方法,實(shí)現(xiàn)了基于核心概念和關(guān)系的初等數(shù)學(xué)知識(shí)圖譜構(gòu)建。手工構(gòu)建的初等數(shù)...

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 自然語(yǔ)言處理國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 知識(shí)圖譜國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文內(nèi)容和結(jié)構(gòu)安排
第二章 相關(guān)理論與技術(shù)
    2.1 自然語(yǔ)言處理
        2.1.1 中文分詞
        2.1.2 詞性標(biāo)注
        2.1.3 命名實(shí)體識(shí)別
        2.1.4 指代消解
    2.2 無(wú)向圖模型和神經(jīng)網(wǎng)絡(luò)
        2.2.1 條件隨機(jī)場(chǎng)
        2.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.2.3 神經(jīng)張量網(wǎng)絡(luò)
    2.3 詞嵌入
        2.3.1 One-Hot
        2.3.2 Word2vec
        2.3.3 Glove
    2.4 相似度計(jì)算
        2.4.1 句子相似度
        2.4.2 實(shí)體相似度
    2.5 知識(shí)表示
        2.5.1 謂詞邏輯表示
        2.5.2 產(chǎn)生式表示
        2.5.3 語(yǔ)義網(wǎng)絡(luò)表示
    2.6 知識(shí)圖譜
        2.6.1 知識(shí)圖譜概述
        2.6.2 知識(shí)圖譜架構(gòu)
        2.6.3 知識(shí)圖譜存儲(chǔ)
    2.7 推理引擎
    2.8 初等數(shù)學(xué)學(xué)科知識(shí)特點(diǎn)
    2.9 本章小結(jié)
第三章 領(lǐng)域知識(shí)圖譜構(gòu)建方法
    3.1 領(lǐng)域數(shù)據(jù)源獲取
        3.1.1 結(jié)構(gòu)化數(shù)據(jù)
        3.1.2 半結(jié)構(gòu)化數(shù)據(jù)
        3.1.3 非結(jié)構(gòu)化數(shù)據(jù)
    3.2 信息抽取
    3.3 知識(shí)融合
        3.3.1 實(shí)體對(duì)齊
        3.3.2 屬性對(duì)齊
        3.3.3 質(zhì)量評(píng)估
    3.4 知識(shí)推理和更新
        3.4.1 知識(shí)推理
        3.4.2 知識(shí)更新
    3.5 本章小結(jié)
第四章 初等數(shù)學(xué)問(wèn)題知識(shí)圖譜構(gòu)建方法研究
    4.1 數(shù)學(xué)領(lǐng)域知識(shí)獲取
    4.2 數(shù)學(xué)領(lǐng)域自然語(yǔ)言處理
        4.2.1 中文分詞和詞性標(biāo)注
        4.2.2 命名實(shí)體識(shí)別
        4.2.3 指代消解
        4.2.4 實(shí)體引入
    4.3 數(shù)學(xué)知識(shí)表示和場(chǎng)景分類
        4.3.1 知識(shí)表示
        4.3.2 場(chǎng)景分類算法研究
    4.4 信息抽取
        4.4.1 基于模式匹配的關(guān)系抽取
        4.4.2 基于依存句法分析的關(guān)系抽取
        4.4.3 基于深度學(xué)習(xí)的關(guān)系抽取
        4.4.4 基于關(guān)鍵詞定位的關(guān)系抽取
    4.5 本章小結(jié)
第五章 知識(shí)圖譜構(gòu)建系統(tǒng)的實(shí)現(xiàn)和應(yīng)用
    5.1 系統(tǒng)架構(gòu)
    5.2 系統(tǒng)功能模塊
        5.2.1 爬蟲
        5.2.2 場(chǎng)景分類
        5.2.3 預(yù)處理模塊
        5.2.4 信息抽取
        5.2.5 知識(shí)融合
        5.2.6 知識(shí)推理
    5.3 知識(shí)圖譜可視化
    5.4 知識(shí)圖譜應(yīng)用
        5.4.1 系統(tǒng)設(shè)計(jì)
        5.4.2 系統(tǒng)實(shí)現(xiàn)
    5.5 本章小結(jié)
第六章 系統(tǒng)測(cè)試與分析
    6.1 系統(tǒng)測(cè)試
        6.1.1 測(cè)試環(huán)境
        6.1.2 測(cè)試方法和數(shù)據(jù)
        6.1.3 測(cè)試結(jié)果
    6.2 系統(tǒng)分析
第七章 工作總結(jié)與展望
    7.1 工作總結(jié)
    7.2 研究的不足和未來(lái)工作展望
致謝
參考文獻(xiàn)
攻讀碩士期間取得的研究成果



本文編號(hào)：3737540