-
题名基于序列公式树模型的电学问题解答方法
- 1
-
-
作者
菅朋朋
刘浩宇
闫鸣
王彦丽
杨阳蕊
刘雪梅
-
机构
华北水利水电大学信息工程学院
河南财经政法大学
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第11期399-408,共10页
-
基金
国家自然科学基金(62107014)
河南省青年人才托举工程项目(2023HYTP046)
+1 种基金
河南省哲学社会科学基金(2022ZSZ008)
河南省高等教育教学改革研究与实践重大项目(2021SJGLX017)。
-
文摘
自适应理解和求解语义多变的问题文本是机器解答电学问题的关键挑战,现有方法多侧重于问题文本的语义分析和结构分析,无法将问题文本解析为类人解答的求解形式。为此,构建一种基于序列公式树模型的电学问题解答方法。首先通过问题文本预处理标准化文本元素、关系提取,生成预编码序列和直陈关系序列。其次使用双向门控循环编码器对预编码序列进行特征编码,生成隐藏状态序列。再通过构建电学定理图,使用图卷积神经网络(GCNN)编码器建立直陈关系序列和定理之间的关联关系,将定理图中的关系结点转化为向量表示,生成公式结点嵌入状态序列,并提取不同变量之间的隐含电学关系。最后构建树形结构的解码器对隐藏状态序列和公式节点嵌入状态序列进行解码,形成问题的序列-公式树结构的求解式,实现电学问题的可读解答。构建一个包含3027个电学问题的数据集TexPE-3K,并对其进行标准化和信息标注。在数据集TexPE-3K上的实验结果表明,关系提取的平均准确率达到了96.8%,可读解答的平均准确率达到了55.57%,验证了该方法的可行性和有效性。
-
关键词
电学问题
序列公式树模型
关系提取
可读解答
图神经网络
-
Keywords
electrical problems
sequence-to-formula tree model
relations extraction
readable solver
Graph Neural Network(GNN)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
