面向地理课程自动解题的本体知识库构建

解题所需知识库的构建对自动解题尤为重要。在利用本体知识库解答地理试题时,希望尽量减少本体构建中的人工参与成分。为此,首先对地理试题文本进行分词,并利用TF-IDF算法实现试题文本中的概念实体抽取;然后设计基本术语层次关系表,实现试题文本中的概念实体关系构建;最后利用Jena推理机将概念实体关系进一步规则化为OWL本体,并利用protégé工具对其进行调整和优化。在所收集地理试题集上的实验结果表明,本文所提出的本体构建方法对各类试题的知识库构建有明显的效果。

基于卷积神经网络的电力领域事件要素提取方法研究

随着知识图谱相关技术的不断发展,垂直领域的事件要素抽取作为知识图谱构建中的重要组成部分受到了学者们的广泛关注。由于垂直领域存在的标注数据极少,采用端到端学习的方法难以取得效果,因此提出了基于卷积神经网络的电力领域事件要素提取方法,该方法采用了电力领域命名的实体识别结果及位置信息的卷积神经网络进行特征提取,并训练多个事件要素判别器完成事件的抽取任务。电力领域数据的结果分析表明,文中所提出的事件要素抽取方法与传统基于依存句法分析的模式匹配方法相比,效果显著。

面向地理课程自动解题的规则知识获取

自动解题作为当前人工智能和自然语言处理领域的研究热点之一,它是利用计算机自动解答相关课程的试题。目前的自动解题研究主要针对数学类课程,对于其他类课程则研究较少。针对地理课程自动解题,在构建地理试题本体的基础上,通过对试题题干及选项进行语义分析,进一步获取概念实体间的语义关系,并将这种语义关系转化为用于试题解答的解题规则。在所收集的地理试题集上的实验结果表明,文中获取的解题规则对文字类试题的解答有明显的解题效果,对图表类试题的解答也有一定的辅助作用。