一种融合物性知识提示的数学应用题机器解答系统及方法技术方案

本发明专利技术公开了一种融合物性知识提示的数学应用题机器解答系统及方法，该系统包括：题面数量关系检测模块，用于获取数学应用题的题目文本，输出题目文本对应的数学实体，以及与数学实体相关的属性关系组和连接关系组；实体物性关系图生成模块，用于依据数学实体

【技术实现步骤摘要】
一种融合物性知识提示的数学应用题机器解答系统及方法


[0001]本专利技术涉及智能教育
，更具体地，涉及一种融合物性知识提示的数学应用题机器解答系统及方法
。

技术介绍

[0002]机器解答数学题是指利用计算机算法读入自然语言表示的数学题目文本，输出对应的解答结果的过程
。
近年来，基于机器学习和深度学习算法构建数学应用解答系统，取得了长足进展，形成了基于
Encoder
‑
Decoder
结构的机器解答框架
。
其中
Encoder
实现题目文本的表示学习，
Decoder
实现数学表示解码
。
基于这一框架，发展形成了
Seq2Seq
，
Seq2Tree
以及
Graph2Tree
等机器解答模型，特别是
Graph2Tree
模型在多个测试数据集上表现出色
。
这些模型通过设计不同结构的
Encoder
模型从题目文本中尽可能多的获取解题所需信息，便于
Decoder
模块更加有效的解码得到目标表达式
。
[0003]Encoder
模型主要完成题目中解题所需信息的编码工作，以便为
Decoder
模块提供更多有效信息
。
相关模型主要包括基于文本序列的编码模型和基于图结构的编码模型
。
前者将题目文本视为自然语言文本序列，使用循环神经网络（如
LSTM
，
GRU
等）编码该序列得到嵌入向量和隐向量
。
这两种模型对于题目文本直接陈述的信息具有较好的编码效果，但是对于解题需要的额外的常识知识
、
领域知识
、
经验知识等的编码能力不足，从而导致机器解答失败
。

技术实现思路

[0004]针对现有技术的至少一个缺陷或改进需求，本专利技术提供了一种融合物性知识提示的数学应用题机器解答系统及方法，根据题目文本进行数学实体物性关系图生成
、
基于物性关系关联计算的精准隐含知识添加能力，提高数学应用题机器解答效率
。
[0005]为实现上述目的，按照本专利技术的第一个方面，提供了一种融合物性知识提示的数学应用题机器解答系统，包括：题面数量关系检测模块，用于获取数学应用题的题目文本，输出所述题目文本对应的数学实体，以及与所述数学实体相关的属性关系组和连接关系组；实体物性关系图生成模块，用于依据所述数学实体
、
所述属性关系组和所述连接关系组，输出物性关系图；物性知识提示语生成模块，用于依据所述题目文本和所述物性关系图，输出物性知识提示语；表达式生成模块，用于依据所述题目文本和所述物性知识提示语，输出题目文本的预测表达式，进而计算所述数学应用题的参考答案
。
[0006]作为本专利技术的一种优选方案，所述题面数量关系检测模块包括数学实体检测和数量关系提取；其中，所述数学实体检测是利用分词器获取所述题目文本中的主干词汇集合，进
而使用显著性评分模型从所述名词集合中提取数学实体；所述主干词汇集合包括名词
、
动词
、
数词和量词集合；所述数量关系提取是以提取得到的数学实体为线索，从所述主干词汇集合中提取与数学实体相关的属性关系和连接关系，并对上述两类关系进行属性补全后输出数量关系组，作为所述题面数量关系检测模块的输出
。
[0007]作为本专利技术的一种优选方案，所述数量关系提取包括以数学实体和单位量词为线索进行模式匹配，输出数量关系组；其中，所述模式匹配是指将所述主干词汇集合中的名词
、
数词和量词所对应的词性标签组合作为模式串，与预定义的数量关系模板库中的目标串进行匹配；所述属性关系组表示为，所述连接关系组表示为，其中，为数学实体，为数词，为单位量词
。
[0008]作为本专利技术的一种优选方案，所述实体物性关系图生成模块用于属性词匹配并生成与属性关系组合和连接关系组对应的物性关系图；所述属性词匹配，包括属性关系组的属性词匹配和连接关系组的属性词匹配；所述属性关系组的属性词匹配，是根据中的单位量词在物性知识库中匹配对应的属性词，得到更新的属性关系组；所述连接关系组的属性词匹配，是根据中的单位量词在物性知识库中匹配对应的属性词，得到新的连接关系组；所述物性关系图包括顶点和有向边；依据所述属性关系组和所述连接关系组中的实体
、
属性词，和数词构建所述物性关系图的顶点；依据属性关系组添加有向边和；依据连接关系组添加有向边，和
。
[0009]作为本专利技术的一种优选方案，所述属性关系组的属性词匹配具体包括：建立
<
第一名词
‑
物性角色
‑
第二名词
>
三元组，将第一名词记为数学实体，则第二名词为第一名词对应的属性，最后将总结得到的上述三元组存入物性知识库中
。
[0010]作为本专利技术的一种优选方案，所述实体物性关系图生成模块还用于在所述基础图的基础上，进行物性关系补全；其中，所述物性关系补全包括：输入所述题目文本，利用第一推理器输出隐含实体，再将所述隐含实体编号和所述题目文本输入第二推理器，得到所述隐含实体对应的隐含属性；将所述隐含实体和所述隐含实体属性添加为所述物性关系图的顶点，并依据数学实体物性角色建模结果，添加第三有向边
。
[0011]作为本专利技术的一种优选方案，所述物性知识提示语生成模块，使用
LSTM
和预训练语言模型对题目文本进行编码，然后将题目文本的向量表示和物性关系图的邻接矩阵作为图编码器的输入，并对来自最后一个隐藏层的特征输出进行平均，以获取图增强后的题目向量表示；对每个逻辑公式进行评分，以获取与题目语义向量相关度最高的提示语，并通过
损失函数评估所述提示语
。
[0012]作为本专利技术的一种优选方案，所述表达式生成模块，包括编码器和解码器，其中，所述编码器用于将所述提示语与所述题目文本拼接，输入循环神经网络模型，获取所述题目文本的字词的向量和上下文向量；还用于将所述物性关系图的邻接矩阵和所述物性关系图中顶点的向量表示输入到图卷积网络模型，得到全局上下文图表示和图增强后的顶点表示；还用于最后生成目标向量对和，并引入注意力机制获取全局表示作为解码器的目标向量；所述解码器是树形结构解码器，用于以目标向量和顶点表示为输入，从根顶点开始逐步生成表达式树；所述解码器还用于输出表达式树的中序遍历序列作为所述题目文本的预测表达式，并对表达式作算术运算，得到最终答案
。
[0013]作为本专利技术的一种优选方案，所述生成表达式树包括：如果预测顶点是操作符，则继续向下生成左右子树；如果预测顶点是数值，则向上回溯到最近一个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种融合物性知识提示的数学应用题机器解答系统，其特征在于，包括：题面数量关系检测模块，用于获取数学应用题的题目文本，输出所述题目文本对应的数学实体，以及与所述数学实体相关的属性关系组和连接关系组；实体物性关系图生成模块，用于依据所述数学实体
、
所述属性关系组和所述连接关系组，输出物性关系图；物性知识提示语生成模块，用于依据所述题目文本和所述物性关系图，输出物性知识提示语；表达式生成模块，用于依据所述题目文本和所述物性知识提示语，输出题目文本的预测表达式，进而计算所述数学应用题的参考答案
。2.
如权利要求1所述的融合物性知识提示的数学应用题机器解答系统，其特征在于：所述题面数量关系检测模块包括数学实体检测和数量关系提取；其中，所述数学实体检测是利用分词器获取所述题目文本中的主干词汇集合，进而使用显著性评分模型从所述名词集合中提取数学实体；所述主干词汇集合包括名词
、
动词
、
数词和量词集合；所述数量关系提取是以提取得到的数学实体为线索，从所述主干词汇集合中提取与数学实体相关的属性关系和连接关系，并对上述两类关系进行属性补全后输出数量关系组，作为所述题面数量关系检测模块的输出
。3.
如权利要求2所述的融合物性知识提示的数学应用题机器解答系统，其特征在于：所述数量关系提取包括以数学实体和单位量词为线索进行模式匹配，输出数量关系组；其中，所述模式匹配是指将所述主干词汇集合中的名词
、
数词和量词所对应的词性标签组合作为模式串，与预定义的数量关系模板库中的目标串进行匹配；所述属性关系组表示为，所述连接关系组表示为，其中，为数学实体，为数词，为单位量词
。4.
如权利要求3所述的融合物性知识提示的数学应用题机器解答系统，其特征在于：所述实体物性关系图生成模块用于属性词匹配并生成与属性关系组合和连接关系组对应的物性关系图；所述属性词匹配，包括属性关系组的属性词匹配和连接关系组的属性词匹配；所述属性关系组的属性词匹配，是根据中的单位量词在物性知识库中匹配对应的属性词，得到更新的属性关系组；所述连接关系组的属性词匹配，是根据中的单位量词在物性知识库中匹配对应的属性词，得到新的连接关系组；所述物性关系图包括顶点和有向边；依据所述属性关系组和所述连接关系组中的实体
、
属性词，和数词构建所述物性关系图的顶点；依据属性关系组添加有向边和；依据连接关系组添加有向边，和
。5.
如权利要求4所述的融合物性知识提示的数学应用题机器解答系统，其特征在于：
所述属性关系组的属性词匹配具体包括：建立
<
第一名词
‑
物性角色
‑
第二名词
>
三元组，将第一名词记为数学实体，则第...

【专利技术属性】
技术研发人员：何彬，余新国，孟皓，梁广华，柳睿，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：