【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十分有意義的課題。要讓計(jì)算機(jī)能夠個性化輔導(dǎo)和自動解題,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)自動推理和自動解題。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。相對于普通自然語言,數(shù)學(xué)語言中包含了大量的符號、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這些特性對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)了一種簡單,高效的初等數(shù)學(xué)知識表示方法。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)上針對數(shù)學(xué)語言的特點(diǎn)對其提出了對數(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,最后生成對應(yīng)的知識表示。并將實(shí)現(xiàn)的系統(tǒng)用在初等數(shù)學(xué)題目自動求解的系統(tǒng)中。基于以上方法,本文設(shè)計(jì)與實(shí)現(xiàn)了一個初等數(shù)學(xué)題意理解系統(tǒng)。并通過對比實(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，只關(guān)心當(dāng)前狀態(tài)的輸入，沒有辦法獲特征。所以，在處理與時間或者序列相關(guān)的信息時，除非把上一前時刻的信息一起輸入網(wǎng)絡(luò)，，否則是沒有能力獲取描述時間信RNN 不同，這種網(wǎng)絡(luò)本身的結(jié)構(gòu)在設(shè)計(jì)的時候就將時序特征包中的處理單元，與它連接的不僅僅是當(dāng)前時刻的輸入層，還會與單元連接。它是一個反饋動態(tài)系統(tǒng)，RNN 每次處理當(dāng)前時刻的來以便下一個時間的使用。因此，RNN 每次在處理信息時，都面幾個時刻的處理信息和狀態(tài)信息。基于以上特性，RNN 相對網(wǎng)絡(luò)，更具有對動態(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)符號進(jìn)，對于數(shù)學(xué)語言描述的長文本中的標(biāo)點(diǎn)符號部分是不需要作為切分標(biāo)志。而且長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。對于一個序列標(biāo)自動標(biāo)注的模型。：由于此處的文本切分任務(wù)可以視作針對所以標(biāo)簽只有兩種：表示要切分的“Y”和：由于長文本中的兩個切分標(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)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：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表示[J];福建農(nóng)林大學(xué)學(xué)報(bào)(哲學(xué)社會科學(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)頁檢測算法[J];軟件學(xué)報(bào);2011年08期

10 張潤;;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)會議論文 前1條

1 朱江濤;趙麗奎;蔡東風(fēng);;基于最大熵模型的中文姓名識別方法初探[A];第二屆全國學(xué)生計(jì)算語言學(xué)研討會論文集[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：2550752