摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 研究工作的背景及意义 | 第11-12页 |
1.2 研究现状 | 第12-15页 |
1.2.1 自然语言处理的研究情况 | 第12-14页 |
1.2.2 知识表示在国内外的研究情况 | 第14-15页 |
1.2.3 知识推理在国内外的情况 | 第15页 |
1.3 主要研究内容 | 第15-16页 |
1.4 论文组织结构 | 第16-17页 |
第二章 相关理论与技术 | 第17-28页 |
2.1 自然语言处理 | 第17-23页 |
2.1.1 词法分析 | 第17-18页 |
2.1.2 文本分类 | 第18-19页 |
2.1.3 概率模型 | 第19-23页 |
2.2 知识表示 | 第23-25页 |
1.产生式知识表示 | 第24页 |
2.逻辑谓词知识表示 | 第24-25页 |
3.基于框架的知识表示 | 第25页 |
2.3 Drools推理引擎 | 第25-26页 |
2.4 符号计算工具Maple | 第26-27页 |
2.5 本章小结 | 第27-28页 |
第三章 应用题知识表示的研究和构建 | 第28-38页 |
3.1 应用题的特点 | 第28-29页 |
3.1.1 语言上的特征 | 第28-29页 |
3.1.2 结构上的特征 | 第29页 |
3.2 应用题的信息组成 | 第29-30页 |
3.3 题型分类 | 第30-32页 |
3.4 命题集的分类 | 第32页 |
3.5 应用题知识表示形式的研究 | 第32-37页 |
3.5.1 Kintsch的小学应用题知识表示形式 | 第32-33页 |
3.5.2 初等数学概率统计应用题知识表示形式 | 第33-37页 |
3.6 小结 | 第37-38页 |
第四章 应用题语义理解的研究和构建 | 第38-57页 |
4.1 预处理技术及其步骤 | 第38-43页 |
4.1.1 分词和词性标注 | 第38页 |
4.1.2 命名实体识别 | 第38-41页 |
4.1.3 同义词处理 | 第41页 |
4.1.4 预处理步骤详述 | 第41-43页 |
4.2 题型自动分类 | 第43-48页 |
4.2.1 文本分类的特殊预处理 | 第44页 |
4.2.2 文本特征建模 | 第44-47页 |
4.2.3 SVM的参数选择 | 第47-48页 |
4.2.4 模型效果 | 第48页 |
4.3 基于句模的应用题命题集合提取 | 第48-56页 |
4.3.1 命题句模的匹配过程 | 第49-50页 |
4.3.2 命题模板的分类 | 第50页 |
4.3.3 命题集合的提取策略 | 第50-53页 |
4.3.4 应用题的指代消解 | 第53-56页 |
4.4 小结 | 第56-57页 |
第五章 应用题自动演算的研究和构建 | 第57-63页 |
5.1 推理方式 | 第57-60页 |
5.1.1 推理方式的种类 | 第57-58页 |
5.1.2 应用题推理方式的选择 | 第58页 |
5.1.3 应用题正向逻辑推理的构建 | 第58-60页 |
5.2 停机问题 | 第60页 |
5.3 类人答题模块 | 第60-62页 |
5.3.1 事实库中事实的编号 | 第60-61页 |
5.3.2 重构答题过程 | 第61-62页 |
5.4 小结 | 第62-63页 |
第六章 应用题自动求解系统的设计与实现 | 第63-75页 |
6.1 系统的总体框架 | 第63-64页 |
6.2 预处理模块的实现 | 第64-68页 |
6.3 基于libSVM的题型自动分类模块的实现 | 第68-69页 |
6.4 语义理解模块的实现 | 第69-70页 |
6.5 自动演算模块的实现 | 第70-74页 |
6.6 本章小节 | 第74-75页 |
第七章 系统测试与分析 | 第75-81页 |
7.1 系统测试 | 第75-80页 |
7.1.1 测试方法 | 第75页 |
7.1.2 测试标准 | 第75-76页 |
7.1.3 测试结果 | 第76-80页 |
7.2 系统分析 | 第80-81页 |
第八章 总结与展望 | 第81-82页 |
8.1 本文的主要研究 | 第81页 |
8.2 研究的不足和展望 | 第81-82页 |
致谢 | 第82-83页 |
参考文献 | 第83-86页 |
攻读硕士学位期间取得的成果 | 第86页 |