【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 ...
【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:
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。