买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】人工智能理科文字题解题方法、装置、设备及存储介质_华中师范大学_202110151127.3 

申请/专利权人:华中师范大学

申请日:2021-02-05

公开(公告)日:2024-01-16

公开(公告)号:CN112949410B

主分类号:G06V30/41

分类号:G06V30/41;G06V30/14;G06V30/19;G06F40/211;G06F40/289;G06F40/30;G06Q50/20

优先权:

专利状态码:有效-授权

法律状态:2024.01.16#授权;2021.07.02#实质审查的生效;2021.06.11#公开

摘要:本发明公开了一种人工智能理科文字题解题方法、装置、设备及存储介质,该方法通过获取目标题目内容,对目标题目内容进行分类,获得类别信息,对目标题目内容进行分词、词性标注和关键词标注,根据词性和词语到向量的对应表,将词性和词语转化为向量,获得目标题目内容的向量序列,根据类别信息选取目标模型池,根据目标模型池对向量序列进行向量计算匹配,获得目标题目内容中的直陈关系和或隐含关系,根据直陈关系和或所述隐含关系组成关系组,从关系组中挑选子集作为题目理解结果,对题目理解结果进行求解,获得求解过程。本发明基于关系演变、模型池、直陈关系和隐含关系提高解答理科文字题目的范围及效率。

主权项:1.一种人工智能理科文字题解题方法,其特征在于,所述人工智能理科文字题解题方法包括以下步骤:获取目标题目内容,通过已训练的SVM分类器对所述目标题目内容进行分类,获得所述目标题目内容的类别信息;通过分词工具对所述目标题目内容进行分词和词性标注,根据关键词表对题目内容的关键词进行标注,根据词性和词语到向量的对应表,将词性和词语转化为向量,获得目标题目内容的向量序列;根据所述类别信息选取对应的目标模型池;根据所述目标模型池对所述向量序列进行向量计算匹配,获得所述目标题目内容中的直陈关系和或隐含关系;根据所述直陈关系和或所述隐含关系组成关系组,按照所述类别信息对应的挑选规则从所述关系组中挑选一个子集作为题目理解结果;对所述题目理解结果进行求解,获得所述目标题目内容对应的求解过程;其中,所述根据所述目标模型池对所述向量序列进行向量计算匹配,获得所述目标题目内容中的直陈关系和或隐含关系,包括:根据所述目标模型池,通过基于嵌入句法语义模型的推理图对所述向量序列计算匹配网络,获得所述目标题目内容中的直陈关系;和或,根据所述目标模型池,通过基于嵌入隐含关系模型的推理图对所述向量序列计算匹配网络,获得所述目标题目内容中的隐含关系;所述目标模型池包括句法语义模型池;所述根据所述目标模型池,通过基于嵌入句法语义模型的推理图对所述向量序列计算匹配网络,获得所述目标题目内容中的直陈关系,包括:将所述句法语义模型池中向量化的句法语义模型与所述向量序列中的每一个词作为起点,按照所述句法语义模型的匹配规则进行匹配,获得第一匹配置信度和第一关系;若匹配成功,则记录所述句法语义模型中的实体对应于所述目标题目内容中的实体位置,并将所述第一匹配置信度和所述第一关系记录在所述句法语义模型的推理图的下一层节点中,若下一层节点没有空余的节点则淘汰所述第一匹配置信度中最小值对应的匹配;循环匹配步骤,直到所有的匹配起点和所述句法语义模型池中的所有句法语义模型进行了匹配为止,获得所述目标题目内容中的直陈关系;其中,所述句法语义模型为一个四元组M=K,P,V,R,K代表关键字元素,P是POS词性和是标点符号的变化模式,V是计算匹配过程,R为相关实体之间的关系;所述句法语义模型池为Σ={Mi=Ki,Pi,Vi,Ri|i=1,2,…,m};所述目标模型池包括隐含关系模型池;所述根据所述目标模型池,通过基于嵌入隐含关系模型的图对所述向量序列计算匹配网络,获得所述目标题目内容中的隐含关系,包括:将所述隐含关系模型池中向量化的隐含关系模型与所述向量序列中的每一个词作为起点,按照所述隐含关系模型的匹配规则进行匹配,获得第二匹配置信度和第二关系;若匹配成功,则记录所述隐含关系模型中的实体对应于所述目标题目内容中的实体位置,并将所述第二匹配置信度和所述第二关系记录在所述隐含关系模型的图的下一层节点中,若下一层节点没有空余的节点则淘汰所述第二匹配置信度中最小值对应的匹配;循环匹配步骤,直到所有的匹配起点和所述隐含关系模型池中的所有隐含关系模型进行了匹配为止;其中,所述隐含关系模型为一个三元组H=F,V,R,F代表特征集,V是计算匹配过程,R为相关实体之间的关系;所述隐含关系模型池为Π={Hi=Fi,Vi,Ri|i=1,2,…,m}。

全文数据:

权利要求:

百度查询: 华中师范大学 人工智能理科文字题解题方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。