自动问题求解智能教学系统中语义理解方法综述.pdfVIP

第22卷 统代教育技术 、rol|22 ModemEducational No．82012 2012年第8期 Technology 自动问题求解智能教学系统中语义理解方法综述 马玉慧 谭凯 尚晓晶 郭晓鹏 (渤海大学教育技术研究所，辽宁锦州121000) 【摘要】文章对近五十年来国内外自动问题求解智能教学系统中自然语言的语义理解方法进行了梳理。对不同时期、不同 系统的语义理解方法进行了分析和比较，归纳总结出系统能够解决题目受限的原因，并得出以下结论：问题表征是语义理解的 方向，知识库是语义理解的基础，借鉴认知科学的研宄成果是语义理解研究的趋势。最后提出了该领域面临的问题和挑战。 【关键词】智能教学系统；语义理解：自然语言理解；自动问题求解 【中图分类号】G420 【文献标识码】A 解并自动求解用英语表述的代数问题，例如“汤姆得到的客户 引言 数量是他登广告数量20％的平方的2倍。如果汤姆登了45条 近年来，以认知心理学、计算机技术为基础的人工智能技 广告，那么他得到的客户数量是多少?”STUDENT系统定义 术迅速发展，国内外研究者在利用智能教学系统促进学生能力 了六种数学关系“和”，。不同”，“乘积”，“商”，“幂”，“相等”， 发展方面进行了大量的探索和尝试。实践证明，智能教学系统 理解问题的过程是将用自然语言表述的文本转换成一种关系 在个性化智能辅导方面显示了其巨大的影响力，并取得了很好 模型(relationalmodel)，即用上述数学关系作为谓词的类LISP 的效果。[11用自然语言与智能系统进行交互一直是众多研究者 语言的形式化描述，然后通过操作关系模型实现问题的自动求 追求的目标。近几十年来人们一直在进行这方面的努力。【2】目 解。例如上述问题转换后的关系模型的形式化描述如下： 前在现有智能教学系统中，用自然语言与系统进行交互主要存 (相等xO∞0l(汤姆得到音奇客户微量)) 在两种方式：一是问题的答案事先存储在知识库中，系统解析 (相等(他登舌勺广告数量)45) 学生输入的语音或文本并进行分类，通过匹配实现智能问答 (相等(汤姆得到的客户数量)(停2(不(倍O．2 【3】14】【5】=二是问题的答案并未存储在系统中，系统首先理解学生 (他登的广告数量))2))) 输入的具有丰富情境信息的问题(例如应用题)，在此基础上 进行推理实现问题的自动求解，或实现计算机画图。在本研究 STUDENT系统中实现自然语言理解的具体步骤是(1)根 中，将这类系统界定为自动问题求解智能教学系统(本文研究 据事先存储的句式，将复句转换成单句；(2)利用字典．抽取 的智能教学系统特指这类系统)。显然，这类系统可以理解并 每个单句中的关键词(Vl如上题中的“倍”，“数量”等)，确 完成系统中未事先存储的问题，因而更智能，更符合学生个性 定其所表述的数量关系；(3)将单句转换为关系模型。 化发展需要。在这类系统中，首要任务是理解学生输入的问题， S11脚NT利用关系模型表述数学关系，确实能够有效地 这是系统进行问题自动求解的前提和关键。对计算机而言，理 解决一些代数问题。但其能够解决的题目受以下条件限制：(1) 解用自然语言表述的问题是一项非常复杂的工作，也是最难攻 由于系统中存储的句式很有限，因此不能识别、解析其他句式 克的技术难点。从上个世纪六十年代以来，研究者就致力于