[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

说明书

本发明公开了一种人工智能理科图文题解题方法、装置、设备及存储介质，通过对理科图文题进行识别，获得电子文本和向量化图像，对电子文本进行向量转化，获得电子文本的向量序列，根据理科图文题的类别信息选取文本模型池及关系子图模型池，根据文本模型池对向量序列进行向量计算匹配，获得直陈关系和/或隐含关系，根据关系子图模型池对向量化图像进行关系子图匹配，获得关系子图，从关系子图中获得图形关系，根据图形关系、直陈关系和/或隐含关系组成关系组，从关系组中选取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、图形关系子图、直陈关系和隐含关系提高解答理科图文题的范围及效率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种人工智能理科图文题解题方法、装置、设备及存储介质。

背景技术

基础教育中理科包括数学、物理、化学三个科目，图文题是指这些科目里用各种自然语言描述和包含图形表示的题目。理科科目的代数型题目是涉及代数关系计算的题目，包括物理代数题、化学代数题、算术题、数学中代数题、平面几何计算题和平面几何证明题等。理科图文题是指这些题目中既涉及代数关系计算又涉及图形关系计算的题目，包含代数型图文题和平面几何证明图文题等。在机器解答基础教育中理科题目方面，机器解答基础教育中数学题多次成为活跃研究问题，在相关领域的技术进步和智能化教育需求的合力推动之下以机器解答基础教育中理科题的形式近年来再次成为了研究热点，一些面向智能化教育服务的几何专家系统、解答系统、在线解答辅导系统等陆续投入实际应用中。

目前针对基础教育中理科图文题目的机器解答主要有以下五类技术：

1.机器解答算术图文题的双框架方法

双框架方法预先建立解题框架和知识框架，在解题时先识别题目的类型，进而根据类型选择对应的解题框架，抽取题目中的知识并放到知识框中。由知识框和解题框一起推断各个框架的关系并计算未知量而形成解答过程。Kinsch等人(1995)提出了自动求解算术图文题的解题理论和双框架解题法，但只能解答一步的算术图文题。马玉慧等人(2012)扩展了Kinsch等人的知识框表示，实现了多步小学数学应用题的机器求解。华盛顿大学的Hosseini等人(2014)采用动词分类及解题过程框来解决算术应用题，是Kinsch解题理论的另一种实现方式。该类方法由于没有公认的问题分类方法和系统，对于较为复杂的问题，难以采用题目类型来匹配适合的知识框和解题框。

2.基于形式语言的基础教育中几何图文题目的机器理解

基于形式语言的基础教育中几何图文题目的机器理解就是将所要理解的几何题目用形式化的语言来表示，并进一步将形式化语言转换成几何关系来表示几何图文题理解的结果。郭海燕等人(2012)提出了基于模板匹配的方法进行几何图文题目的理解，通过设计好的几何句子模板来匹配几何语句将题目转化为形式化的受限几何命题。该方法的目标是将这种受限几何命题作为中间语言进而生成作图命令序列从而自动构建几何图形，没有给出机器理解几何图文题目的具体形式，也难以扩展到其他类别的题目解答中。

3.基于形式语言的算术图文题机器解答

基于形式语言的算术图文题机器解答就是将所要解答的题目用比自然语言简单的形式语言来表示，并建立将自然语言转换成形式语言的方法来进一步推理解答题目。Shi等人(2015)开发了Dolphin系统来自动完成算术图文题的语义分析与推理，创立具有结构化语义的DOL语言用以表示题目文本，利用语义分析器实现将数学问题文本变换为DOL树，进而通过对DOL树的分析，推导出其中所包含的数量关系，从而完成题目理解。Liang等人(2016)提出了基于语义和标签的解答简单算术图文题的方法，将图文题目转化成固定的语义结构从而理解题目，通过推理模块选择题目问题中相关的部分进行推理，最终给出类人的解题表达。这种方法针对具体类别设计具体的形式语言表示，也就是没有统一的形式语言表示，难以扩展到其他类别的题目解答中。

4.基于机器学习的算术图文题理解