论文部分内容阅读
近几年来,国内外很多专家学者投入了大量的精力去研究人工智能,促使人工智能在各个领域取得飞速发展。而把人工智能与现代教育结合起来,也是诸多专家学者研究的热点。通过人工智能为学生提供个性化、全方位、高质量的教育服务和平等的教育资源,这对现代教育的发展有着非常重要的意义。本文主要研究在原始文字处理的基础上,通过计算机自动求解,输出类人答题过程。主要针对以下几个方面进行了研究与实现。1.代数问题的知识表示和通用解题算法的研究知识表示和解题算法是解题的前提和基础。如何用简单明了的将代数部分的知识表示出来,是整个解题系统的前提。本文采用面向对象的知识表示方法,将数学知识用对象表示。同时将知识分为Data和Relation两大类,用Data表示原子类型的知识,而Relation则是一个或多个Data之间的关系。可以使得知识的信息能够尽量全的被表示出来。而通用的解题算法是解题的基础,所有的数学问题的求解都是有其固定的求解算法的。本文首先将通过大量的题目,抽象出求解算法;然后将这些算法用规则以合适的粒度去实现。这些准备构成了类人答题的基础。2.代数问题自动推理的研究解题是整个系统的核心,如何将一道题目完整的求解出来是系统的目标。而解题的核心是知识推理。本文主要有两种推理方式,一种是面向选择题和填空题的计算推理,其核心是半代数求解系统。选择题和填空题有不需要求解过程的特点,可以直接用计算的方式去将结果快速的算出来,避免了使用比较耗时间的规则推理。第二种方式是针对所有题型的规则推理,它具有普适性。规则按其功能被分成了四类,分别是计算推理规则、逻辑推理规则、联想推理规则还有规则流。这四种规则各司其职,共同完成用规则求解问题的任务。3.代数问题自动求解系统的设计与实现整个系统首先将代数部分的知识实体对象表示出来,之后通过自然语言理解模块、预处理模块、解题模块、停机模块和类人答题结果输出模块这5个模块相互配合,构成一个完整的代数自动求解系统。最后,通过测试,系统对于代数部分的解题正确率在75%左右,平均答题时间也都在10秒以内,基本完成初期系统设计所设置的目标。