【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种融合大模型知识的数学应用题智能解答方法与系统。
技术介绍
1、数学应用题(math word problems，mwp)自动求解是探索通用人工智能的重要任务，其目标是使机器阅读一段自然语言描述的数学问题并推理相应的数值答案。这一过程要求机器能够像人类一样理解数理逻辑、学习并运用数学知识进行推理。因此，数学应用题自动求解能力被视为机器智能水平的一个重要标志，一直是人工智能领域的一个基础但十分重要的研究方向。
2、目前，关于数学应用题自动求解主要有以下方法：
3、(1)基于规则的自动求解方法。
4、基于规则的自动求解方法依赖于人工构建的模式或形式化语言，通过匹配问题文本与预定义的问题模板，将问题映射为特定的命题形式，再利用人工定义的规则逐步生成推理结果。
5、(2)基于统计的自动求解方法.
6、基于统计的自动求解方法利用传统的机器学习模型如支持向量机、对数线性模型等，从问题文本中识别出实体、数量和操作符，再将其代入预定义的表达式模板中，通过简单的...
【技术保护点】
1.一种融合大模型知识的数学应用题智能解答方法，其特征在于，包括：
2.根据权利要求1所述的一种融合大模型知识的数学应用题智能解答方法，其特征在于，所述对步骤2激发的知识进行编码包括：
3.根据权利要求2所述的一种融合大模型知识的数学应用题智能解答方法，其特征在于，利用获得的知识编码与当前推理步骤的推理目标向量对知识进行验证与过滤，获得过滤后的知识包括：
4.根据权利要求1所述的一种融合大模型知识的数学应用题智能解答方法，其特征在于，所述结合当前推理步骤的推理目标向量计算出过滤后的知识的注意力权重，以及结合知识编码与问题文本的文本表...
【技术特征摘要】
1.一种融合大模型知识的数学应用题智能解答方法，其特征在于，包括：
2.根据权利要求1所述的一种融合大模型知识的数学应用题智能解答方法，其特征在于，所述对步骤2激发的知识进行编码包括：
3.根据权利要求2所述的一种融合大模型知识的数学应用题智能解答方法，其特征在于，利用获得的知识编码与当前推理步骤的推理目标向量对知识进行验证与过滤，获得过滤后的知识包括：
4.根据权利要求1所述的一种融合大模型知识的数学应用题智能解答方法，其特征在于，所述结合当前推理步骤的推理目标向量计算出过滤后的知识的注意力权重，以及结合知识编码与问题文本的文本表征向量计算出问题文本的注意力权重包括：
5.根据权利要求1所述的一种融合大模型知识的数学应用题智能解答方法，其特征在于，所述结合计算出的两种注意力权重更新当前推理步骤的推理目标向量包括：
6.根据权利要求1所述的一种融合大模型知识的数学应用题智能解答方法，其特征在于，所述结合更新后的当前推理步骤的推理目标向量，计算当前推理步骤的符号，并生成下一推理步骤的推理目标向量包括：
7.根据权利要求1所述的一种融合大...
【专利技术属性】
技术研发人员：黄振亚，陈恩红，刘嘉聿，刘淇，马志远，
申请(专利权)人：中国科学技术大学，
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。