机器理解直陈述小学数学应用题的语义模型构建策略及分析

• 作 者: 范晓峰
• 出 处: 华中师范大学
• 发表日期: 2017年期
• 关键词: 机器理解 语义模型池 随机自然题库 数量关系

人工智能领域开创以来,研究者们从问题求解、定理证明、逻辑推理、自然语言理解和专家系统等多个方面展开了研究。使用机器自动解答中小学数学题也一直是人工智能领域中极具挑战性且理论性和应用性价值都很高的研究问题。在机器解答研究课题中,小学数学应用题的机器解答以其相对简单的题目语言组织及逻辑成为了良好的研究对象。目前,对小学数学应用题机器解答的研究,国内外学者已经取得了丰富的研究成果,但仍有很多的问题与不足需要进一步研究。例如,目前的解题方法及解题准确度还不高;关于语义模型的标准及提取方法尚无通行有效的理论及策略;针对自然语言描述的题目机器理解的能力依然不足等;因此,研究如何改进目前机器解题方法及理论具有重要的研究意义。研究小组提出了基于语义模型的题目理解方法,其理论是,通过语义模型提取一个题目中的所有数量关系形成一个方程组,机器通过解方程组就实现了题目解答,而方程组的提取过程即是题目的机器理解过程。基于此理论,本研究旨在研究语义模型或语义模型池的评判标准、提取方法及策略,并以此来提取一套直陈述小学数学应用题的语义模型池,并测试该方法理论的有效性与适应性。语义模型的格式为一个三元组,其中包括关键词;关系;映射,机器通过该三元组即可生成“理解语句意思”的方程。本论文的具体内容分为以下三个方面:第一,基于语义模型的数量关系提取及题目理解方法论述。第二,语义模型的构建方法及分析,并举例了几个典型的语义模型的提取与分析。第三,收集一定数量的直陈述小学数学应用题,依据提出的方法理论,对原题库提取一套语义模型池,并测试所确立的语义模型池提取数量关系的实际效果,总结所存在的问题,提出进一步改进的建议。