面向选择类题型求解的相似问题发现研究

摘要：

在人工智能火热的今天,智能解题逐渐成为一大研究热点.研究基于知识关联和推理的选择类问题求解,尝试解决问题理解和相似问题发现两方面内容.针对问题理解,使用TextRank和词性标注两种方法完成关键信息提取,并使用word2vec词聚类的结果完成关键信息扩展;针对相似问题发现,首先根据问题理解生成的关键信息,从已有题库中抽取候选问题集,然后结合word2vec生成的词向量分别使用基于BM25变体、词项向量加权、改进的编辑距离三种方法计算句子相似度,并根据相似度大小,确定答案选择,最终完成问题求解.在地理选择题解答的相关实验中,获得了最高75.88%的平均准确率,也验证了问题求解的可行性.

关键词：问题求解、词向量、相似度计算、问题发现

所属期刊栏目：54

分类号：TP391.2(计算技术、计算机技术)

资助基金：国家高技术研究发展计划8632015AA015405;黑龙江省教育厅规划课题GJC1215032

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：120-125