一种提高数学应用题自动求解正确率的方法、数学应用题自动求解装置制造方法及图纸

本发明专利技术涉及一种提高数学应用题自动求解正确率的方法，包括：对输入的应用题进行分词，并将每个词映射成向量表示，获得若干词向量；对若干词向量、一知识图进行多重权重计算，得到数字感知运算符表示；通过对数字感知运算符表示的数字词向量进行数值大小和标量计算，得到各数字对应的大小比较分数、标量值；将大小比较分数和标量值进行聚合解码，得到第一解答式。本发明专利技术所述的提高数学应用题自动求解正确率的方法，通过使用数值类型比起直接使用常识知识对运算符的感知，更能使求解过程中理解其应用题的题干关键问题信息，从而大幅度增强求解器对应用题理解的准确性。此外，通过比较数值大小可以使求解过程中，防止解答式结果为负数的错误。

【技术实现步骤摘要】

本专利技术涉及人工智能领域，尤其涉及一种提高数学应用题自动求解正确率的方法、数学应用题自动求解装置。

技术介绍

1、数学应用题求解是不少学生在数学领域学习的难点之一。一般通过人工辅导学生对数学应用题求解，辅导者将需要消耗大量的时间投入到各类型的数学应用题上，但实际上大量数学应用题中存在许多解法相似的题型，投入人工辅导学生对应用题的求解使非必要的。

2、因此，如今存在许多搜题软件、网站等平台，学生通过其平台进行搜索类似的对应的题型、相似题型以及对应的解答作为参考辅助求解，但对原创性较强的数学应用题则无法搜索近似的题型作为辅助求解，同时，通过搜索应用题容易出现搜索不到、题型不存在、答案无效等情况。

3、基于此，现有技术中，通过深度学习进行数学应用题自动求解，无需通过类似专家系统、大数据中搜索出类似的题型辅助求解，而是通过深度神经网络对数学应用题的自动求解，针对性更强、更实用。其中，现有数学应用题求解器模型大致为：基于seq2seq模型(基于序列至序列模型)、基于seq2tree模型(序列至树模型)和基于注意力模型，其现有技术在解决纯文本本文档来自技高网...

【技术保护点】

1.一种提高数学应用题自动求解正确率的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的提高数学应用题自动求解正确率的方法，其特征在于，所述步骤S2包括以下步骤：

3.根据权利要求2所述的提高数学应用题自动求解正确率的方法，其特征在于，还包括以下步骤：

4.根据权利要求3所述的提高数学应用题自动求解正确率的方法，其特征在于，所述步骤S3，包括以下步骤：

5.根据权利要求2或4所述的提高数学应用题自动求解正确率的方法，其特征在于，还包括以下步骤：

6.根据权利要求5所述的提高数学应用题自动求解正确率的方法，其特征在于，步骤...

【技术特征摘要】

1.一种提高数学应用题自动求解正确率的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的提高数学应用题自动求解正确率的方法，其特征在于，所述步骤s2包括以下步骤：

3.根据权利要求2所述的提高数学应用题自动求解正确率的方法，其特征在于，还包括以下步骤：

4.根据权利要求3所述的提高数学应用题自动求解正确率的方法，其特征在于，所述步骤s3，包括以下步骤：

5.根据权利要求2或4所述的提高数学应用题自动求解正确率的方法，其特征在于，还包括以下步骤：

6.根据权利要求5所述的提高数学应用题自动求解正确率的方法，其特征在于，步骤s7包括以下步骤：

7.根据权...

【专利技术属性】
技术研发人员：蒋运承，王诃，詹捷宇，蔡伟珊，马文俊，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：