[发明专利]人工智能理科图文题解题方法、装置、设备及存储介质

权利要求书

1.一种人工智能理科图文题解题方法，其特征在于，所述人工智能理科图文题解题方法包括以下步骤：

获取理科图文题，对所述理科图文题进行识别提取，获得所述理科图文题对应的电子文本和向量化图像；

通过已训练的分类器对所述电子文本和所述向量化图像进行分类，获得所述理科图文题的类别信息；

通过分词工具对所述电子文本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，获得所述电子文本的向量序列；

根据所述类别信息选取对应的文本模型池和关系子图模型池；

根据所述文本模型池对所述向量序列进行向量计算匹配，获得所述理科图文题中的直陈关系和/或隐含关系；

根据所述关系子图模型池对所述向量化图像进行关系子图匹配，获得关系子图，并从所述关系子图中获得所述理科图文题中的图形关系；

根据所述图形关系、所述理科图文题中的直陈关系和/或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选取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，获得所述理科图文题对应的求解过程；

其中，所述文本模型池包括句法语义模型池和隐含关系模型池；

所述获取理科图文题之前，还包括：

获取理科科目里各教学分领域中的所有图文题目，作为图文题目集合；

根据所述图文题目集合中的文本集为各教学分领域构建向量化的句法语义模型池和向量化的隐含关系模型池；

根据所述图文题目集合中的图形集，构建关系子图模型池；

其中，所述根据所述文本模型池对所述向量序列进行向量计算匹配，获得所述理科图文题中的直陈关系和/或隐含关系，包括：

根据所述句法语义模型池，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，获得所述理科图文题中的直陈关系；

和/或，

根据所述隐含关系模型池，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，获得所述理科图文题中的隐含关系。

2.如权利要求1所述的人工智能理科图文题解题方法，其特征在于，所述根据所述关系子图模型池对所述向量化图像进行关系子图匹配，获得关系子图，并从所述关系子图中获得所述理科图文题中的图形关系，包括：

根据所述关系子图模型池中的各模型子图生成对应的挖掘过程；

根据各模型子图的挖掘过程对所述向量化图像进行关系子图匹配，获得所述向量化图像对应的关系子图；

从所述关系子图中挖掘图形关系，获得所述理科图文题中的图形关系。

3.如权利要求1所述的人工智能理科图文题解题方法，其特征在于，所述根据所述句法语义模型池，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，获得所述理科图文题中的直陈关系，包括：

将所述向量序列与所述句法语义模型池中向量化的句法语义模型中的每一个词语作为起点，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理科图文题中的实体位置，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，获得所述理科图文题中的直陈关系；

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}。