基于过程性知识的应用题自动分类及求解系统实现

声明

第一章 绪 论

1.1 研究工作的背景及意义

1.2 研究现状

1.2.1 基于规则的应用题自动求解

1.2.2 基于统计方法的应用题自动求解

1.2.3 基于深度学习的应用题自动求解

1.3 主要研究内容

1.4 论文组织结构

第二章 相关理论及技术

2.1 过程性知识与陈述性知识

2.2 自然语言处理相关技术

2.2.1 词法分析

2.2.2 文本分类

2.2.3 机器翻译

2.3.1 条件随机场

2.3.2 支持向量机

2.4 神经网络模型

2.4.1 LSTM（Long Short Term Memory network）

2.4.2 fastText

2.4.3 Transformer

2.5 集成学习相关技术

2.6 符号计算

2.7 本章小结

第三章 基于过程性知识的应用题文本处理的研究与构建

3.1 文本抽象前预处理

3.1.1 共指消解

3.1.2 分词和词性标注

3.1.3 词形还原

3.2 文本抽象

3.2.1 特定词的定义和标注规范

3.2.2 命名实体识别

3.2.3 识别实体后的统一替换

3.2.4 文本抽象的完整例子

3.3 本章小结

第四章 应用题自动分类算法的研究与构建

4.1 应用题分类体系

4.1.1 初等难度应用题的分类体系

4.1.2 中等难度应用题的分类体系

4.2 自动分类

4.2.1 TF-IDF特征和SVM模型的组合

4.2.2 词向量和深度学习模型的组合

4.2.3 模型融合策略

4.3 本章小结

第五章 基于Transformer的应用题自动求解的研究与构建

5.1 应用题的公式映射

5.1.1 公式描述的组成部分

5.1.2 文本到公式的映射

5.1.3 Maple的符号计算

5.2 本章小结

第六章 系统设计与实现

6.1 系统设计总体框架

6.2 文本处理模块的设计与实现

6.3 自动分类模块的设计与实现

6.4 自动求解模块的设计与实现

6.5 后处理模块设计与实现

6.6 用户接口模块设计与实现

6.7 本章小结

第七章 系统测试与分析

7.1 系统测试

7.1.1 数据来源

7.1.2 测试方法

7.1.3 训练数据和测试数据构成

7.1.4 测试标准

7.1.5 测试结果

7.2 系统分析

7.3 本章小结

第八章 总结与展望

8.1 工作总结

8.2 不足与展望

致谢

参考文献

攻读硕士学位期间取得的成果