認知模型的自動提取及其在解析幾何問題求解中的應用.pdf

1、隨著科學技術的發(fā)展，近年來，人們對人工智能的研究熱情可謂如火如荼。在許多領域取得了重大突破，例如：google的 AlphaGo就是著名一例，機器戰(zhàn)勝了人類，是人工智能領域的一個新標桿，具有劃時代的意義。人工智能在語音識別、人臉識別、自動駕駛、智能搜索、博弈、定理證明等領域得到了廣泛應用。
　　在教育教學方面，也陸續(xù)出現(xiàn)各種教學教輔平臺，迄今為止，市場上還沒有真正意義上的智能產品，能夠像人一樣的解答問題，并給出解題步驟。本文正是在

2、這個背景下，研究和構建了基于規(guī)則流的認知模型，并將其應用于平面解析幾何問題求解，設計和實現(xiàn)了一個類人智能答題系統(tǒng)，更好地為智能教育教學提供服務。本文主要研究內容包括以下幾個部分：
　　(1)初等數(shù)學概念與關系的知識表示。計算機進行初等數(shù)學解題的前提是必須能夠理解其中的概念。本文將這些概念抽象為“實體”和“關系”，然后為這些實體和關系表示成一階謂詞邏輯的形式。這樣，就可以把一個題目的已知條件和結論進行自動轉換，然后系統(tǒng)就可基于這些已

3、知條件及結論進行解題。
　　(2)公理和定理等規(guī)則的知識表示。要想計算機能夠進行類人答題，其每一步計算或推理都必須遵循相應的數(shù)學邏輯，而這些數(shù)學邏輯就是初等數(shù)學中的公理、定義、定理和推論等。本文將每一個公理、定理等表示成相應的產生式規(guī)則。
　　(3)基于規(guī)則流的認知模型的自動構建。規(guī)則庫中的規(guī)則在匹配執(zhí)行的時候，是亂序的，不確定的，如果我們把執(zhí)行頻率比較高的規(guī)則提取出來，經過一定的拼接整理，形成認知模型鏈，存儲在認知模型庫中