因果推理类地理试题解答方法研究

发布时间：2017-12-12 08:31

  本文关键词：因果推理类地理试题解答方法研究

  更多相关文章： 自动答题系统 高中地理 文本分类 知识推理 序列标注

【摘要】：随着计算机技术的不断提升,用户对信息资源的获取方式由最初的黄页目录到搜索引擎,再由传统的问答系统到个人智能助手,然而这些系统都主要是对事实类问题的查询。用户已经逐渐不满足于简单的答案检索,而是期望计算机系统理解自己的意图并能进行逻辑推理。近年来,国内外学术机构开始着力于研究类人计算推理技术,如日本启动的通过大学入学考试机器人项目。因此,考试试题的自动答题技术已成为国内外的研究热点,有助于推动自动问答系统领域的进步。本课题研究目的是构建能够自动解答高中地理因果推理类试题问题的系统。本课题的主要研究内容包括高中地理试题的分析、基于分类模型的解题方法、基于知识推理的解题方法。目前国内暂时没有成熟的面向高中考试的自动答题技术研究,本课题首先对高中地理试题进行了分类分析,结合因果推理类实际试题给出其形式化定义并分析了通用的推理方式。然后,本课题采用基于分类的解题方法,通过将原试题转换为多个是非子问题,利用文本分类模型对这些子问题进行判断。因词向量模型能够表达潜在的语义信息,本课题使用词向量表示子问题的文本特征,利用支持向量机对其进行分类并得到问题答案。最后,因地理试题依据考察知识点可以分为不同类,对于每类试题其问题描述中存在关键信息与答案对应,本课题先后通过语言模型和实体识别技术抽取问题的关键信息,利用知识推理规则库进行相似匹配计算并推理出答案。其中,后者采用序列标注模型进行实体识别处理,更能准确提取问题关键信息,获得了良好的效果。本课题的实验语料主要来自于高考地理试题、模拟试题、高中地理教材、地理类百度百科词条以及维基百科中文词条。使用基于分类模型的解题方法分别在地理高考题和模拟题上测试得到了平均0.344、0.329的正确率,使用基于知识推理的解题方法在地理工业区位因素类试题上的平均正确率为0.652,这两类方法都明显优于基于检索策略方法的平均正确率0.261。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.1

【相似文献】

中国期刊全文数据库 前10条

1 唐晓文;基于本体论的文本特征提取[J];电脑与信息技术;2005年01期

2 陈炯;张永奎;;一种基于词聚类的文本特征描述方法[J];计算机系统应用;2011年02期

3 陈振亚;陈光辉;徐建民;;一种基于本体的文本特征选取方法[J];广西师范大学学报(自然科学版);2011年01期

4 平源;周亚建;张海滨;王枞;杨义先;;强化类别贡献的文本特征权重方案[J];北京工业大学学报;2012年09期

5 杨棉绒;;基于文本特征的信息隐藏策略[J];新乡学院学报(自然科学版);2011年04期

6 余刚,陈华月,朱征宇,高原;基于词同现频率的文本特征描述[J];计算机工程与设计;2005年08期

7 林永民;朱卫东;;基尼指数在文本特征选择中的应用研究[J];计算机应用;2007年10期

8 廖浩;李志蜀;王秋野;张意;;基于词语关联的文本特征词提取方法[J];计算机应用;2007年12期

9 林东文;白清源;谢丽聪;谢伙生;张莹;;一种基于本体论的文本特征选取方法[J];计算机科学;2008年03期

10 褚力;张世永;;基于集成合并的文本特征提取方法[J];计算机应用与软件;2008年10期

中国重要会议论文全文数据库 前4条

1 王锦;王会珍;张俐;;基于维基百科类别的文本特征表示[A];第五届全国青年计算语言学研讨会论文集[C];2010年

2 孔维泽;刘奕群;张敏;马少平;;问答社区中回答质量的评价方法研究[A];第六届全国信息检索学术会议论文集[C];2010年

3 朱祥玉;侯德文;陈希;;基于双重评估函数的文本特征提取方法[A];山东省计算机学会2005年信息技术与信息化研讨会论文集（二）[C];2005年

4 代劲;何中市;胡峰;;一种高性能的文本特征自动提取算法[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

中国硕士学位论文全文数据库 前10条

1 肖雷;面向论坛的文本特征提取及分类技术研究[D];河北大学;2015年

2 杨凯翔;聊天机器人知识挖掘方法研究[D];华南理工大学;2015年

3 陈俊文;作文自动评分关键技术研究[D];哈尔滨工业大学;2015年

4 吴善鹏;基于概念代数的微博文本特征扩展研究[D];上海大学;2015年

5 洪清华;因果推理类地理试题解答方法研究[D];哈尔滨工业大学;2015年

6 陈光辉;基于本体的文本特征选取和加权方法研究[D];河北大学;2010年

7 刘逵;基于野草算法的文本特征选择研究[D];西南大学;2013年

8 涂安龙;一种CM-RS文本特征提取方法研究[D];华中师范大学;2012年

9 余刚;基于语义概念的文本特征描述[D];重庆大学;2005年

10 方玉萍;基于潜语义与遗传算法的中文文本特征获取方法研究[D];云南师范大学;2007年

，

本文编号：1281858