本技术揭示了一种自动数学问题求解技术及其设备。该技术通过将数学问题自然语言划分为两部分,并采用不同方法将其转换为形式化语言,实现更简单、精确的问题求解。
背景技术
数学题目的理解和推理是日常生活以及各个领域非常重要的部分,尤其是对于物理、金融等行业。利用机器来自动求解数学题目近年来被广泛研究关注,这一过程要求机器从数学题目中读取题目的文本,学习并且理解其中的语义,并向人类一样进行逻辑推理。
现有的自动求解数学题目的方法一般分为三类:基于规则的方法、语义解析方法和统计学习方法。
在基于规则的方法中,通过基于人类手动构建的规则,在遇到相类似的文本和题目模板进行模板匹配和利用人工规则生成推理步骤。
在基于语义解析的方法中,将数学题目文本解析成树结构,通过语义解析树的结构信息来生成逻辑表达式,然后通过推理的方法从逻辑表达式中推出题目的答案和步骤。
在统计学习方法中,基于深度学习技术,比如通过端到端算法(例如,Seq2Seq、S2S+Attention、S2S+COPY、S2S+PO-GEN等)学习从数学题目到表达式和答案的映射关系,实现对题目的理解和推理。
实现思路