排序方式： 共有1条查询结果，搜索用时 15 毫秒
1
1.
数学问题的题意理解是实现自动解题的关键,然而现有研究对情境复杂、参数较多等特征的应用题实现题意理解的准确率较低,尚没有很好的优化解决方案。基于此,以语境复杂的古典概型应用题为突破点,提出了融合常识库和语法特征的数学应用题题意理解方法。首先,结合古典概型应用题的文本和结构特征,构建了包含7类关键解题参数的古典概型题意表征模型;然后,根据该模型将应用题题意理解任务转化为解题参数识别问题,并设计了融合多维语法特征的条件随机场（CRF）题意参数识别方法来解决这个问题。进一步地,针对隐性参数识别问题设计了常识参数补全模块,并提出了融合常识库和语法特征的数学应用题题意理解方法。以新东方在线网站和21世纪教育在线题库中的948道古典概型应用题为实验语料进行实验。实验结果表明,所提方法的各题意参数识别F1平均值达到93.56%,高于最大熵模型（MaxEnt）、双向长短期记忆网络-条件随机场（BiLSTM-CRF）和传统CRF方法;并且题意理解准确率达到66.54%,显著高于上述其他方法,验证了所提方法对古典概型应用题题意理解的有效性。 相似文献
1
