基于句模的初等數(shù)學(xué)問題題意理解方法研究及應(yīng)用.pdf

1、近年來，基于人工智能技術(shù)的問題求解、自動證明、類人答題等應(yīng)用已經(jīng)成為研究的熱點，并不斷取得新的突破。自然語言處理是人工智能研究的一個重要內(nèi)容，其研究方法主要包括基于規(guī)則的方法和基于統(tǒng)計的方法，尤其是基于大規(guī)模語料庫的機器學(xué)習(xí)算法的成熟，使得基于統(tǒng)計的自然語言處理方法成為主流。但是隨著求解問題變得復(fù)雜，單一的自然語言處理方法很難取得很高的效率。本文利用上世紀(jì)90年代提出的句模理論，并結(jié)合機器學(xué)習(xí)方法對文本形式的初等數(shù)學(xué)問題進行自然語言處理

2、，實現(xiàn)數(shù)學(xué)問題的題意理解。本文主要進行了以下幾個方面的研究：
　　首先，在句模理論的指導(dǎo)下，結(jié)合漢語形式的初等數(shù)學(xué)問題的表述特點，對數(shù)學(xué)問題中的動詞進行了分類討論，并在此基礎(chǔ)上，研究了由動核結(jié)構(gòu)形成的常見句模，包括簡單句模和復(fù)雜句模。數(shù)學(xué)問題的句模研究為本文的數(shù)學(xué)問題語義處理提供了基礎(chǔ)。
　　其次，根據(jù)數(shù)學(xué)問題概念知識的層次性和復(fù)雜性，本文采用面向?qū)ο蟮姆椒ū硎緮?shù)學(xué)問題的知識，并提出一種具有層次結(jié)構(gòu)的面向?qū)ο笾R表示框架。面

3、向?qū)ο蠓椒ň哂谐橄?、封裝和繼承等基本特征，利用這些特征，能夠很好地處理數(shù)學(xué)概念以及概念間關(guān)系的表示問題。本文還對傳統(tǒng)的知識對象模型進行了改進，將其中的規(guī)則屬性分離出來，簡化了知識對象的結(jié)構(gòu)。
　　然后，研究數(shù)學(xué)問題題意理解的方法，其中最核心的是基于句模的句子語義處理算法。該算法對所屬句模不同但意義等價的句子進行語義歸一化處理，提取句子中所含的知識。在此之前，分析了句模的表示問題，主要包含句模特征、語義成分?jǐn)?shù)據(jù)和歸一化函數(shù)等。為了提