【技术实现步骤摘要】
几何辅助线的自动生成方法
本专利技术属于几何题目自动求解
，具体涉及了一种几何辅助线的自动生成方法。
技术介绍
几何问题的求解是初等数学自动解答任务中的重要组成部分，而初等数学自动解答的一个基本思路是将复杂的问题转化为一系列简单的问题。在几何问题中，添加适当的辅助线就是实现这种转化的一种重要手段。传统添加辅助线的方法，是事先通过人的先验知识将几何问题中的定理、定义建立为多个辅助线模型，此模型不具备自学习能力，根据添加辅助线题目的复杂性和多变性，需要添加的辅助线、辅助点必须是灵活多变的，很难使用一种或者几种已经总结好的辅助线模型覆盖大量的辅助线题目。这就是说，很难通过总结固定模型包含所有的添加情况，当题目中需要的辅助线不在原有的辅助线模型中，则无法预测得到正确的结果，使得模型的辅助线添加能力非常有限且扩展性很差。随着机器学习、自动推理的不断发展，一些辅助线添加方法已经具备一定的自学习能力，可以通过不断学习来补充辅助线的类型，使得系统可以通过大量的题目学习，获得各种类型的辅助线，但是在辅助线的选择上，缺乏智能性和目...
【技术保护点】
1.一种几何辅助线的自动生成方法，其特征在于，该方法包括：/n步骤S10，获取几何题目文本作为待求解几何题，获取其对应的几何图形作为待生成辅助线几何图形；/n步骤S20，基于所述待求解几何题，通过训练好的辅助线类型预测模型获取所需几何辅助线类型；所述辅助线类型预测模型为基于分类回归模型构建，并针对样本数据集中的template域进行训练获得；/n步骤S30，基于所述待求解几何题、几何辅助线类型，通过训练好的辅助线参数预测模型获取所述几何辅助线的参数对；所述辅助线参数预测模型为基于双向长短时记忆网络与循环神经网络构建的序列-序列模型；/n步骤S40，基于所述几何辅助线类型、辅...
【技术特征摘要】
1.一种几何辅助线的自动生成方法，其特征在于，该方法包括：
步骤S10，获取几何题目文本作为待求解几何题，获取其对应的几何图形作为待生成辅助线几何图形；
步骤S20，基于所述待求解几何题，通过训练好的辅助线类型预测模型获取所需几何辅助线类型；所述辅助线类型预测模型为基于分类回归模型构建，并针对样本数据集中的template域进行训练获得；
步骤S30，基于所述待求解几何题、几何辅助线类型，通过训练好的辅助线参数预测模型获取所述几何辅助线的参数对；所述辅助线参数预测模型为基于双向长短时记忆网络与循环神经网络构建的序列-序列模型；
步骤S40，基于所述几何辅助线类型、辅助线所需参数对，在所述待生成辅助线几何图形中生成设定颜色、设定线型的几何辅助线。
2.根据权利要求1所述的几何辅助线的自动生成方法，其特征在于，所述样本数据集，其获取方法为：
步骤Y10，获取设定数量几何题目文本及其对应的几何图形作为待处理数据集；
步骤Y20，依据预设关键词对所述待处理数据集中每一个数据的几何题目文本进行过滤，去除所述几何题目文本中与预设关键词不相关以及重复部分，获取关键词文本集；
步骤Y30，通过文本分词法分别对所述关键词文本集中每一个关键词文本进行分词处理，获取辅助线类型及参数；
步骤Y40，按照预设样本格式分别将所述待处理数据、对应关键词文本、对应的辅助线类型及参数整理为样本数据，获得样本数据集。
3.根据权利要求2所述的几何辅助线的自动生成方法，其特征在于，所述训练样本格式包括：
几何题目id、几何题目原始信息、辅助线类型及参数信息、分段后的几何题目信息。
4.根据权利要求2或3所述的几何辅助线的自动生成方法，其特征在于，所述辅助线类型预测模型，其训练方法为：
步骤L10，依次选取所述样本数据集中每一个样本数据，通过辅助线类型预测模型计算所述样本数据对应各辅助线类型的概率；
步骤L20，以所述概率中值最大的概率对应的辅助线类型作为所述样本数据的辅助线预测类型，并计算所述辅助线预测类型与所述样本数据辅助线类型的损失值；
步骤L30，若所述损失值不低于预设阈值，则更新所述辅助线类型预测模型的权重及偏置参数，...
【专利技术属性】
技术研发人员：张东祥，温利龙，陈李江，
申请(专利权)人：海南阿凡题科技有限公司，
类型：发明
国别省市：海南;46
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。