一、基于自然语言理解的专家系统研究（论文文献综述）
陈秋瑾[1]（2021）在《基于微服务架构与知识图谱技术构建无人机知识库系统》文中研究表明近年来,随着无人机技术的飞速发展以及逐年上涨的市场需求,无人机在各领域得到广泛应用且发挥着重要作用。随着“互联网+”时代的到来以及大数据技术的迅速发展,互联网中信息数据呈现指数增长趋势,如何在信息爆炸的时代获取所需的有效信息成为亟待解决的问题。本文采用B/S服务器模式,以分布式微服务架构为基础,基于分布式及增量式爬虫技术获取互联网中与无人机等应用领域相关的海量数据,采用自然语言处理、知识图谱、机器学习等算法从海量的非结构化文本数据中提取挖掘隐含及潜在价值知识,并利用Echarts组件及知识图谱等算法进行可视化分析,最后形成定制化的无人机知识库。主要研究内容如下:（1）知识获取及存储技术。系统以Scrapy为爬虫框架,采用分布式结合增量式爬虫技术从互联网中高效地获取无人机行业相关的海量数据;采用Redis高速缓存数据库存储爬取的URL网址,结合My SQL关系型数据库稳定地存储最终得到的结构化数据。（2）系统构建流程及架构设计。利用云计算技术的大数据管理平台,基于分布式服务器与大数据技术搭建系统,采用自底向上为主、自顶向下为辅的方式构建知识库;由于系统爬取任务量的增加及分布式服务器的需求,系统的架构也由最初的SMM单体式架构优化升级为Spring Cloud分布式微服务架构,以提高系统的扩展性及移植性。（3）数据提取及知识抽取技术。采用类机器学习机制半自动化地提取非结构化文本数据,通过构建自定义的规则库训练样本数据,提取出标签以匹配提取出的结构化数据;并利用自然语言处理等算法从获取的文本数据中提取关键句并生成文章的摘要信息;通过知识图谱等算法实现对获取的文本数据的知识抽取,最终抽取出结构化的知识元加入进知识库中,以实现知识库的知识发现与知识挖掘功能。（4）知识表示及数据可视化分析。采用知识树形式进行知识表示,并采用Echarts技术、知识图谱等可视化技术对获取及处理后的数据进行数据可视化分析,并以各类统计图表、关键字云图、机构同现及作者同现图等形式展现,直观清晰地展示无人机等行业领域的研究现状与发展趋势。
韦帅丽[2]（2021）在《任务型对话系统开发平台的设计与实现》文中进行了进一步梳理任务型对话系统被广泛应用在各个领域和产品中,在帮助企业提高服务质量、提升用户体验的同时又能有效降低人力成本。传统搭建任务型对话系统主要存在以下三个问题:1)高度依赖自然语言处理（Natural Language Processing,NLP）专家,且各个环节分散进行,没有形成工程化流程。2)对话管理语料是基于用户输入的原始语句标注的包含意图词槽以及历史对话状态信息的严格结构化的对话故事流,人工标注困难且难以保证标注质量。3)传统任务型对话系统难以在基于任务的多轮对话过程中灵活处理基于知识库检索的问答。针对以上问题和挑战,本文对传统搭建任务型对话系统的流程进行工程化封装,主要研究内容如下:1)设计并实现一个任务型对话系统开发平台。解耦业务和技术,内置AI能力解除AI专家依赖,提供一套清晰规范的工程化搭建流程。开发者只需要配置意图词槽、标注语料,即可一键训练一个支持多媒体响应、融合QA（Question-Answering）知识库问答的任务型对话系统。2)提出并实现一种对话管理方案和对话管理语料的构建方法和工具。设计一种树形对话流结构,实现一个对话故事拖拽编辑器,通过编排对话节点构建可执行对话故事流,快速高效构建对话规则并且能够转化为对话管理语料。此外,设计一种联合规则和深度学习模型的对话管理方案,使得对话系统的对话管理部分既能拥有规则带来的准确性,又能拥有深度学习模型的学习能力。3)设计一种在多轮对话pipeline结构中有效融入QA知识库问答的任务型对话系统方案,使得对话系统能够高效协同处理基于任务的多轮对话和基于知识库的检索问答。此外,设计一个QA问答模块,将其划分为基于BM25（Okapi Best Matching 25）算法的初排子模块和基于 BERT 模型（Bidirectional Encoder Representations from Transformers）的精排子模块,在保证系统准确率的同时有效降低响应时延。最后,以该平台为工具构建了疫苗预约场景下的智能客服,验证了本文平台及方案的完整性、有效性及实用性。
教育部[3]（2020）在《教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知》文中进行了进一步梳理教材[2020]3号各省、自治区、直辖市教育厅（教委）,新疆生产建设兵团教育局:为深入贯彻党的十九届四中全会精神和全国教育大会精神,落实立德树人根本任务,完善中小学课程体系,我部组织对普通高中课程方案和语文等学科课程标准（2017年版）进行了修订。普通高中课程方案以及思想政治、语文、
徐尧燚[4]（2020）在《基于知识模型的检修停复电智能审批和执行系统的研究和开发》文中研究表明检修计划是电力设备检修时关于方式调整和停复电操作安排的电力文本,调度员日常对检修计划进行停复电的审批和执行是电网加强生产管理和确保电力系统安全稳定运行的一项重要业务流程。随着城市电网规模不断扩大,检修停复电的审批和执行在电网调控业务量中的占比日益增大。目前电力大数据时代已经来临,智能电网的建设不断推进,在调度员业务繁忙以及调控中心智能自动化水平亟待提高的背景下,本文应用人工智能技术研发机器人调度员系统,围绕机器自主高效地完成计划检修停复电的日前审批和日内执行任务这一调度智能化发展方向完成了以下工作:1)根据检修停复电的调控流程提出一种基于知识模型的模块化架构智能系统,智能实现检修计划单的解析、关联分析、方式安全校核以及调度命令票和操作序列的智能生成和执行,一体化完成检修停复电业务的日前审批和日内执行。说明了系统的架构、模块设计和业务逻辑。分析了系统利用Rabbit消息队列与外部软件平台通信,实现数据交互和基于事件驱动的控制决策流程。采用My SQL数据库存储系统的各类数据、知识和规则,应用自然语言理解技术将检修计划文本解析成结构化数据,利用Neo4j软件和图拓扑搜索技术实现检修计划相关设备信息和数据的智能搜索、检修计划的关联分组。2)结合本体论和谓词表达对检修计划停复电相关的调度领域内的各类信息和数据进行了灵活的知识表示,提出电网模型知识和任务知识两大类本体知识的划分方式和生成方法;依据调度员经验和相关操作管理规程,基于一阶谓词逻辑方法构建了以推理次日拓扑变位时间序列和调度命令票为目标的通用规则体系,保证系统良好的通用性和扩展性。3)通过Python第三方模块NLTK的内置算法开发了利用本体知识和规则匹配的知识推理机制,在此基础上研究了次日拓扑变位时间序列和调度命令票的推理方法。提出检修计划关联分组的分析方法,进一步根据拓扑变位序列设计分组下检修计划运行方式的智能校核过程。利用命令票生成过程的相关结论,给出了通过查询结构表生成详细操作序列票的方法。通过算例验证了系统的智能性、有效性和通用性。在Py Charm软件开发环境中完成了检修停复电智能审批和执行系统的开发。系统的运行安全可靠,能够极大降低调度员的工作强度,提高审批和执行检修计划停复电的工作效率,闭环自动化完成相关调控业务。
孙安程[5]（2020）在《基于Web的自然语言与SvsML需求模型转换专家系统研究》文中认为随着人们所研制的工程系统越来越复杂,传统系统工程（TSE）越来越难以应对,与此同时,以模型化为代表的信息技术也在快速发展,因此在需求牵引和技术推动下,基于模型的系统工程（MBSE）应运而生了。基于模型的系统工程在建模语言、建模思路、建模工具上有重大转变,相对传统系统工程有诸多不可替代的优势,是系统工程的颠覆性技术。在将用户的自然语言描述的产品需求转换为驱动产品设计的需求模型,以及需求模型到功能模型的映射过程中,产品领域知识的支持是必不可少的。因此研究开发需求描述-需求模型-功能模型映射的转换方法对于实现产品概念设计正向需求捕获,消除设计歧义,模型自动化驱动具有十分重大的意义。本文研究并实现了基于Web的自然语言与SysML需求模型转换专家系统,实现了自然语言与SysML需求模型自动转换的过程,达到提高开发效率的目的。完成的工作有:（1）从自然语言到SysML需求图的转换研究。对导入的需求文本的进行分析,利用分词法将文本进行拆分,简化接下来的转换过程,将拆分好的文本对象转换为SD模型,利用SD模型与ROM模型之间的映射关系将SD模型转换为ROM模型,再将ROM模型转换为SysML需求图模型,实现从自然语言到SysML需求图的转换。（2）基于模型转换的专家系统研究。从数据库、知识库和推理机三个方面构建专家系统,重在知识表达和推理算法设计。知识表达采用二叉树结合模糊规则的形式使知识表达更充分,本系统采用正向推理的控制策略来设计推理机,结合从自然语言到SysML需求图的转换,最终生成SysML需求图。（3）基于Web的专家系统的实现。将传统的专家系统与互联网技术相结合,实现通过网页来操作专家系统,对于解决传统专家系统交互方式存在的局限性有重大意义,将专家系统设于服务器内,使用者通过网页访问专家系统,即可获得需求的结果。（4）通过水蒸馏器、3D打印机和冲压模具的需求实例展示了本系统从注册、登录到需求导入、行业和语言选择,再到各个中建模型的生成和最终SysML需求图的生成过程,同时增加了基于移动设备的Web设计,使得专家系统更加适应社会的发展和移动办公的潮流。
严行[6]（2019）在《基于本体的绿色建筑技术设计案例推理系统研究》文中进行了进一步梳理建筑业作为全球变暖的重要的驱动因素之一,转变其发展模式势在必行。绿色建筑是一种新型建筑,具有节能、节水、节材等特点,能够有效减少建筑对环境影响,为人们提供健康、舒适的人居环境。近年来,我国绿色建筑发展迅猛,然而绿色建筑设计仍面临着诸如:设计效率低、技术选择不合理、经验难以共享等问题,为改革绿色建筑设计手段提出了迫切需求。另一方面,随着计算机和人工智能等技术的普及,建筑设计流程和设计方法也发生了深刻的转变。因此,如何利用人工智能技术整合已有的建筑设计资料,辅助建筑设计师进行设计决策,是提高绿色建筑设计效率和推动建筑业智能化发展的重要手段。本研究以提高绿色建筑技术设计效率和效果为目的,从现有建筑设计流程出发,应用案例推理和本体技术的原理,创新性地提出了基于本体的绿色建筑技术设计案例推理系统。本研究的主要内容包括以下五个方面:（1）建立了绿色建筑技术设计案例推理系统的框架本研究首先对专家决策系统、案例推理理论、本体方法论进行梳理,并对绿色建筑内涵、发展历程、评价体系进行剖析,分析了绿色建筑设计的特点、流程、团队组建和面临挑战,提出了绿色建筑技术设计的基本内容。在此基础上,对比分析了案例推理的流程与绿色建筑技术设计流程的相似性,探讨了案例推理技术与本体技术相结合的优势,提出了绿色建筑技术设计案例推理系统的基本框架。（2）建立了绿色建筑领域本体本研究提出了绿色建筑领域本体,以统一对绿色建筑领域知识特征的表述。为了提高构建本体的效率,本研究提出一种半自动的本体构建方法。在提取绿色建筑领域本体概念时,首先利用自然语言处理技术对绿色建筑标准文本进行预处理,再通过统计术语的词频和出现的文本数提取领域术语集合,然后利用WordNet同义词词典合并同义术语,最终提取绿色建筑领域概念集合。在提取概念间关系时,本研究采用后缀词和层次聚类法提取概念间的分类关系;采用关联规则方法提取概念间的非分类关系。（3）绿色建筑技术设计案例推理系统中的案例库构建原理本研究提出了提出了一种结合案例的基本特征和文本语义特征的绿色建筑技术设计案例表示模型。首先采用文献研究法从现有文献中提取六个案例的基本特征,然后基于绿色建筑领域本体建立案例文本的语义索引,将案例文本最终表示为语义向量,形成统一的案例表达模板,并存储到案例库中。（4）绿色建筑技术设计案例推理系统中的案例检索机制建立案例检索机制的核心是案例之间相似度的计算。针对不同数据类型的基本特征,本研究提出了三种特征相似度计算方法。针对案例文本的语义特征,本研究提出了基于本体的语义检索方法。在此基础上,本研究采用层次分析法确定各个案例特征的权重,建立了案例综合相似度计算模型,最终形成案例检索机制。（5）绿色建筑技术设计案例推理系统的实证研究在系统需求分析的基础上,本研究构建了绿色建筑技术设计案例推理系统的架构和流程。在此基础上,设计了绿色建筑技术设计案例信息输入界面和绿色建筑技术设计案例推理界面。最后对绿色建筑技术设计案例推理系统进行了实证研究。实证结果发现利用该系统检索到历史案例与目标案例确实能够相互借鉴,也验证了本研究所提出的基于本体的绿色建筑技术设计案例推理系统的有效性。本文探索性的将人工智能技术引入到建筑领域,提出的绿色建筑技术设计案例推理系统具有很强的现实意义和理论意义。本研究提出的半自动的本体构建方法对其他领域本体的建立有一定的借鉴意义;同时,本研究提出的案例知识表示模型和案例检索机制丰富了案例推理的理论,能够推广到其他领域的案例推理系统中。在现实中,该系统不仅能够提升绿色建筑技术设计的效率,还能提升设计方案的水平。
菅朋朋[7]（2019）在《机器解答电路题目方法研究》文中研究指明机器解答是智能化教育领域中的一个重要研究问题,它旨在研发自动理解和自动求解多模态题目的智能解答算法,使目标题目得到正确的解答。本文从机器解答领域中一个基础题目的解答任务出发,探索和研究一套准确度高、扩展性强的机器解答方法。现阶段的机器解答方法仍然以传统的框架解题法和语义解析法等为代表,这些方法不仅需要设置大量的规则模板来理解复杂多变的题目文本,而且缺乏隐含信息的挖掘,导致题目的解答效率较低。深度学习方法也开始尝试应用于机器解答,但是真正高效的方法却很少。由于机器解答的任务较多,无法通过统一的深度学习框架来实现文本理解、图形理解、关系推理和自动求解等融合学习,且已有的深度学习方法目前不能生成可读的解答过程。因此,本文从机器解答领域的研究现状入手,提出开展机器解答电路题目的方法研究,并围绕题目文本理解方法、电路图形理解方法、自动求解方法和机器解答系统等多个方面展开研究工作。为了让机器具备对电路题目的智能化解答能力,首先必须实现机器对题目文本的自动化理解。由于题目文本中包含复杂的自然语言情景,而传统的基于语义理解的方法一方面在方法构建时需要设计大量的规则模板,另一方面在文本理解时无法穷尽语言表达的多样性,且文本理解的结果多以解析树的形式进行表示,限制了进一步的推理和可视化解答。同时,题目文本中往往包含隐含的定理、推论等解题信息,而现有方法缺乏对这些隐含信息的挖掘。因此,本文首先将题目文本的理解过程抽象为关系的抽取过程,并提出了一个既能抽取直陈关系又能抽取隐含关系的自动化题目文本理解方法。该方法结合题目文本中的词性、语义和句法模式构建了句法语义模型,并提出了一种使用句法语义模型抽取直陈关系的算法,该模型使用词性模式代替复杂多变的自然语言描述,使用电路元素和单位等关键字结构作为语义部分,并结合句法模式对直陈关系进行抽取。经研究发现电路定理跟所求的电路元素直接相关,同一电路元素虽然有不同的名称,但其单位是统一的,因此本文结合电路元素的单位和定理构建了单位定理模型,并提出了一种使用单位定理模型抽取隐含关系的算法。相比于传统的方法,本文方法不仅大大减少了模板的数量,而且有效提升了题目文本理解的能力。由于图形中包含着丰富的解题信息,因此图形理解是机器解答中的重要组成部分。现有的方法主要集中于几何图形的理解,对电路图形的理解较少。几何图形理解主要是对顶点、曲线和几何结构的分析,其结果多用于几何定理的自动证明,而电路图形理解则通过电路结构对具有方向的电路属性进行分析,其结果多用于电路解答。因为直接理解图形非常困难,所以本文将图形的理解过程抽象为关系的抽取过程,并提出了一种基于关系抽取的电路图形理解方法。针对串并联电路,通过对电路中的串联和并联子结构进行分析和收缩形成等效电路,可抽取该过程中的电路关系,因此本文提出了一种基于拓扑收缩的电路关系抽取算法。然而该算法难以抽取较为复杂的桥接电路中的电路关系,经研究发现通过对电路网孔的搜索可有效解决该问题,因此本文进一步提出了一种基于网孔搜索的电路关系抽取算法。这两种算法联合使用组成了电路图形的理解方法,并成功应用于电路图形的理解,有效地提高了题目理解的效率,扩大了题目理解的范围。自动求解是机器解答中另一个重要的研究问题。针对现有的机器解答方法缺少对多模态题目进行自动求解的问题,本文提出了一个既可以求解文本题目又可以求解图文题目的自动求解方法。该方法使用了最新的等价转换原理,将题目的求解过程等价转换为关系的推理求解过程,并提出了基于关系推理的自动求解算法。结合基于关系抽取的题目理解方法,实现了电路题目的机器解答。此外,本文还实现了一个基于机器解答的电路辅导系统,用于验证机器解答效果、提供智能导学服务。因此,本文的主要研究贡献可概括为以下几点:（1）提出了一个既能抽取直陈关系又能抽取隐含关系的自动化题目文本理解方法。该方法由基于句法语义模型的直陈关系抽取算法和基于单位定理模型的隐含关系抽取算法来实现。该方法相比于传统方法不仅减少了模板数量,而且有效地提升了题目文本理解的效果。（2）提出了一个基于关系抽取的电路图形理解方法。该方法由基于拓扑收缩的电路关系抽取算法和基于网孔搜索的电路关系抽取算法来实现。该方法不仅填补了电路图形理解方法的空白,而且在电路图形的理解实验中取得了较好的效果,扩大了题目理解的范围。（3）针对现有的机器解答方法缺少对多模态题目进行自动求解的问题,本文提出了一个既可以求解文本题目又可以求解图文题目的基于关系推理的自动求解算法,并在实际电路题目的自动求解中取得了良好的求解效果,有效地提升了自动求解的能力和范围。
代晓林[8]（2019）在《日本法律人工智能的第一次顿挫》文中研究说明关于日本法律人工智能的崛起的历史背景:上世纪70年代,专家系统地位的确立及“知识工程”概念的提出,人工智能发展进入新阶段。1981年日本向世界宣布了他们的第五代计算机十年（1982-1992）研发计划,计划基于知识工程和专家系统等理论和技术,以prolog逻辑编程语言为核心语言,开发适用于知识工程的进行符号推理的智能计算机。作为通用人工智能计划的五代机失败后,日本又展开了作为专用人工智能的法律人工智能计划。五代机的硬件及prolog语言就是实现日本法律人工智能方案的硬件和软件系统。1993年,日本文部省宣布实施一项“法律专家系统”的重点领域研究（1993-1998）,在明治学院大学法学院的吉野一教授领导下,开展了日本法律专家系统的建构工作。日本法律人工智能落脚于法律专家系统的开发,日本法律专家系统以吉野一提出的“逻辑法学”为新的视点和方法,研究者们计划在阐明法律知识结构的基础上,利用知识表示方法将法律知识转为计算机语言,通过推理机制对输入的案件进行法律推论,并计划利用自然语言转换接口将推理结果和推理依据转换为自然语言为用户服务。研究组以《联合国国际货物销售公约》为对象利用prolog编程语言实际构建了知识库,并最终在1998年构建了推论解释执行系统LES-5。日本法律专家系统研发中,在例如理论方法、知识表示和推理模型及自然语言研究方面都有其独特之处和对以往技术发展的部分,但最终依然未能攻克专家系统固有问题和法律专家系统所面临的新问题,实际开发的系统LES-5因存在诸多限制且实用性较差而未获得市场认可。2002年开始,以吉野一为主的法律专家系统的研究者将目光投向法学教育领域,主张利用人工智能技术与法学的结合开发法创造教育方法。本论文将主要介绍以上日本法律人工智能专家系统建构内容及主要研究课题,并分析日本法律专家系统走向失败命运的原因,探求日本法律人工智能研究中有价值的部分,和对失败的警醒与启示。
蒋云良,赵克勤[9]（2019）在《集对分析在人工智能中的应用与进展》文中进行了进一步梳理人工智能是我国发展战略,集对分析从自主原创角度为人工智能提供一种基础性思路,具有重要意义。集对分析把确定的数学计算与不确定性系统分析有机结合,已在人工智能基础、模式识别、不确定性推理、智能决策、知识生态学、自然语言理解、专家系统、神经网络、智能工程、智能社会网络社区划分与演化等研究中得到应用。本文在概述集对分析的原理和联系数之后,综述集对分析在人工智能中的应用和进展,以期推动集对分析在人工智能中的进一步应用。
甘文斌[10]（2018）在《平面几何题目的自动解答研究》文中认为平面几何题目的自动解答,是人工智能和智能化教育领域中长期存在的重要研究问题。该问题旨在研究智能的算法来自动理解并求解出平面几何题目,并给出解答的过程。近年来在自然语言理解和机器推理等领域的相关技术进步和智能化教育需求的合力推动下,该问题已成为热点的研究问题。解答平面几何题目是人工智能研究中智力劳动机械化一个重要问题,同时该问题的研究成果在教育上又有着巨大的应用前景。随着教育信息化和个性化智能化教育的发展,很多个性化智能教育辅导系统开始实际应用到教学服务中,而自动解答技术作为智能化教育辅导系统中的一个核心技术,将大大促进系统的个性化和智能化程度,从而提高教育服务质量和效果。由于该问题巨大的的研究和应用价值,前人已经提出了很多自动求解平面几何题目的方法,这些方法被广泛应用到几何求解系统中来进行自动推理进而给出求解的过程。这一数学机械化的研究工作大大提高了数学家发现和证明几何定理的效率。然而,这些工作大量集中在几何自动推理研究中,对几何题目自动理解的研究相对较少,而题目自动理解是自动求解题目的关键问题也是很多智能辅导系统提供教育服务的基础。一方面自然语言处理对表述多样的题目文本的处理还不成熟,尚缺乏专门针对几何学科题目文本的语言分析和理解方法;另一方面很多几何题目包含对应的几何图形,图形中包含着丰富的解题信息,为了理解题目则需要对图形进行理解,而理解图形则需要计算机视觉领域的相关技术,因此几何题目的自动理解需要计算机视觉和自然语言处理等多领域技术手段的融合。如何深入全面的自动理解平面几何题目并给出解答过程是几何自动求解中的关键问题。为了解决几何自动求解中的题目自动理解这一难点问题,本文开展了平面几何题目自动解答的理论研究,提出了基于关系抽取的题目理解和解答理论,基于这一理论,进一步提出了平面几何题目自动解答的新方法,并开发了智能交互式几何辅导系统。具体的研究内容包括:（l）完全自动化的平面几何自动解答理论:（2）纯文本描述的平面几何题目的自动解答;（3）同时包含文本和图形的平面几何题目的自动解答:（4）智能交互式几何辅导系统。本文的主要贡献有:（1）鉴于当前自动解答领域缺乏系统全面的理论框架支撑的现状,开展解答理论基础的研究,并创立平面几何题目的自动解答理论,它包括等价表示法、等价转换原理和类人解答生成方法。该理论将平面几何题目理解的问题转化为从题目中进行几何关系抽取的问题。通过将几何题目转换成几何关系组表示,进而进行自动求解,从而实现完全自动化的机器解答。（2）提出了一种句法语义混合模型的方法来提取纯文本描述的平面几何题目中的几何关系,该模型包含了语义信息和句法信息,能够高效的提取出文本中包含的几何关系。在平面几何应用题和平面几何证明题数据集上分别进行了测试,结果显示本文提出的方法在几何关系提取上具有较好的效果,应用这些几何关系来求解纯文本描述的平面几何题目也取得了较高的准确率。（3）提出了一种基于机器学习的纯文本描述平面几何题目的求解方法,该方法采用机器学习算法来自动学习出不同几何关系在题目文本表述中的潜在结构,该方法主要分为两个过程:候选几何关系生成和几何关系识别。首先对文本中的几何实体和几何关系词进行抽取,进而通过不同的组合生成候选的几何关系;然后采用机器学习算法对所有候选关系进行分类,找出所有正确的几何关系作为最终几何题目的理解结果,进而进行后续的几何推理和解答,从而实现了纯文本描述的平面几何题目的自动解答。（4）提出一种基于文本和几何图形双模态信息理解的平面几何题目解答方法来对同时包含文本和几何图形的平面几何题目进行自动理解和解答。将这两种模态中的信息单独表示成几何关系,进而采用信息融合的方法来提取出两部分高置信度的几何关系作为几何题目理解的结果,进而进行几何推理解答。在包含平面几何图形的几何题目数据集上测试,结果表明了该双模态理解方法在几何关系抽取中具有较高的鲁棒性,提高了通过单个模态进行信息提取的准确率。同时结合两个模态的信息,能够理解一些通过单个模态所不能理解的题目,进一步扩大了本文进行题目理解和解答的范围。（5）设计了一个智能交互式几何辅导系统,该系统采用学习者开始的辅导模型（leamer-initiating instruction）来接受学习者自主输入的几何题目,并能够自动理解和解答该几何题目,从而给出解答的过程和解题交互。为了与用户更自然的交互,系统采用手绘图形界面来模拟纸笔环境,同时建立文本中几何实体和图形中几何基元之间的对应关系,并将几何关系可视化的动态呈现,从而更好的让用户来进行个性化几何学习。
二、基于自然语言理解的专家系统研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于自然语言理解的专家系统研究（论文提纲范文）
（1）基于微服务架构与知识图谱技术构建无人机知识库系统（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义与价值 |
| 1.2 国内外研究现状 |
| 1.2.1 专家系统及知识库研究现状 |
| 1.2.2 知识图谱技术研究现状 |
| 1.2.3 Web文本挖掘技术研究现状 |
| 1.2.4 无人机技术发展及应用现状 |
| 1.3 研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 论文研究技术路线 |
| 1.5 论文组织结构安排 |
| 第二章 理论基础及关键技术 |
| 2.1 相关理论基础 |
| 2.2.1 知识库 |
| 2.2.2 知识发现 |
| 2.2.3 知识图谱 |
| 2.2 知识获取技术 |
| 2.2.1 数据获取技术 |
| 2.2.2 数据去重技术 |
| 2.2.3 数据提取技术 |
| 2.2.4 数据存储技术 |
| 2.3 知识抽取技术 |
| 2.3.1 实体抽取技术 |
| 2.3.2 关系抽取技术 |
| 2.3.3 事件抽取技术 |
| 2.3.4 实体链接与消岐 |
| 2.4 知识表示技术 |
| 2.5 自动文摘技术 |
| 2.5.1 自动文摘生成原理 |
| 2.5.2 TextRank算法 |
| 2.6 本章小结 |
| 第三章 知识库系统的设计与构建 |
| 3.1 系统非功能需求 |
| 3.2 系统性能设计 |
| 3.2.1 系统可靠性设计 |
| 3.2.2 系统安全性设计 |
| 3.3 系统架构设计 |
| 3.3.1 整体架构设计 |
| 3.3.2 技术架构设计 |
| 3.3.3 分布式微服务架构 |
| 3.3.4 Scrapy爬虫框架 |
| 3.3.5 基于Swagger框架管理API |
| 3.4 技术路线与实施方案 |
| 3.4.1 知识库的构建方式 |
| 3.4.2 系统的技术路线 |
| 3.4.3 系统的实施方案 |
| 3.4.4 开发环境与开发语言 |
| 3.5 本章小结 |
| 第四章 知识图谱的实现与应用 |
| 4.1 知识获取 |
| 4.1.1 定制化设置关键字 |
| 4.1.2 定制化爬取专业网站 |
| 4.2 数据提取 |
| 4.2.1 半自动化提取数据 |
| 4.2.2 自动文摘的提取 |
| 4.3 知识抽取 |
| 4.3.1 实体抽取(命名实体识别) |
| 4.3.2 实体关系抽取 |
| 4.3.3 元事件抽取 |
| 4.3.4 实体发现与链接 |
| 4.4 知识表示 |
| 4.5 文本数据可视化 |
| 4.5.1 数据可视化 |
| 4.5.2 关键字云图 |
| 4.6 本章小结 |
| 第五章 系统的功能与实现 |
| 5.1 系统整体功能结构 |
| 5.2 系统前端功能实现 |
| 5.2.1 查询信息模块 |
| 5.2.2 台风实况模块 |
| 5.2.3 数据可视化模块 |
| 5.2.4 热门推送模块 |
| 5.2.5 关键期刊模块 |
| 5.3 系统后台功能实现 |
| 5.3.1 用户管理模块 |
| 5.3.2 菜单管理模块 |
| 5.3.3 采集设置模块 |
| 5.3.4 任务管理模块 |
| 5.3.5 专家知识模块 |
| 5.3.6 外部系统模块 |
| 5.3.7 期刊大全模块 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要研究成果 |
| 附录 |
| 附录1 Swagger在微服务架构上的部署与集成 |
| 附录2 Echarts组件实现折线图/柱状图形式的数据可视化 |
| 附录3 BiLSTM+CRF模型构建过程 |
| 附录4 利用TF-IDF进行实体链接关键代码 |
（2）任务型对话系统开发平台的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 对话系统的国内外现状 |
| 1.2.2 任务型对话系统开发平台国内外研究现状 |
| 1.3 主要研究内容及创新点 |
| 1.3.1 主要研究内容 |
| 1.3.2 创新点 |
| 1.4 硕士在读期间主要工作 |
| 1.5 论文组织架构 |
| 第二章 相关理论与技术研究 |
| 2.1 管道式任务型对话系统结构 |
| 2.2 BM25算法 |
| 2.3 BERT模型 |
| 2.4 开源框架RASA |
| 2.4.1 RASA概述 |
| 2.4.2 RASA项目搭建 |
| 2.5 本章小结 |
| 第三章 任务型对话系统开发平台的设计与实现 |
| 3.1 需求分析 |
| 3.1.1 平台业务需求 |
| 3.1.2 平台功能需求 |
| 3.2 平台总体设计 |
| 3.2.1 搭建流程设计 |
| 3.2.2 总体架构设计 |
| 3.2.3 子系统设计 |
| 3.3 核心功能模块设计 |
| 3.3.1 对话方案设计 |
| 3.3.2 对话模版设计 |
| 3.3.3 对话模版匹配算法 |
| 3.3.4 数据闭环自优化机制 |
| 3.4 数据库设计 |
| 3.5 开发和部署 |
| 3.6 本章小结 |
| 第四章 一种对话管理方案和对话管理语料的构建方法和工具 |
| 4.1 研究挑战 |
| 4.2 研究方案 |
| 4.2.1 对话流结构 |
| 4.2.2 对话故事流构造规则 |
| 4.2.3 对话管理流程 |
| 4.3 有效性验证 |
| 4.4 本章小结 |
| 第五章 融合QA知识库问答的任务型对话系统方案的设计与实现 |
| 5.1 研究挑战 |
| 5.2 研究方案 |
| 5.2.1 任务型多轮对话与QA问答的融合方案 |
| 5.2.2 QA问答模块设计 |
| 5.3 实验设置和结果分析 |
| 5.3.1 实验数据 |
| 5.3.2 评测指标 |
| 5.3.3 实验方案 |
| 5.3.4 实验结果分析 |
| 5.4 工程有效性验证 |
| 5.5 本章小结 |
| 第六章 疫苗预约智能客服机器人的构建与应用 |
| 6.1 意图词槽定义 |
| 6.2 语料管理 |
| 6.2.1 NLU语料标注 |
| 6.2.2 DM语料构造 |
| 6.2.3 对话模版管理 |
| 6.3 知识库管理 |
| 6.4 素材库管理 |
| 6.4.1 多媒体编辑器 |
| 6.4.2 素材库管理 |
| 6.5 模型训练与管理 |
| 6.6 服务发布 |
| 6.7 对话效果测试 |
| 6.7.1 人工纠正对话测试 |
| 6.7.2 对话效果演示 |
| 6.8 日志管理与可视化分析 |
| 6.9 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读研究生期间发表的学术成果 |
（4）基于知识模型的检修停复电智能审批和执行系统的研究和开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 电网调控中心的检修停复电业务处理现状 |
| 1.1.2 检修停复电智能处理实现的需求 |
| 1.1.3 研究目的和意义 |
| 1.2 国内外研究概况 |
| 1.2.1 调度机器人的研究现状 |
| 1.2.2 自然语言理解和图拓扑搜索识别 |
| 1.2.3 知识表示和推理机制 |
| 1.2.4 检修计划的方式校核和调度命令票/操作序列的自动生成 |
| 1.3 本文研究内容和章节安排 |
| 第二章 检修停复电智能处理系统的架构和功能设计 |
| 2.1 系统的物理和逻辑架构 |
| 2.1.1 系统的物理架构 |
| 2.1.2 系统逻辑架构和业务流程 |
| 2.1.3 系统开发工具 |
| 2.2 系统模块设计和实现 |
| 2.2.1 系统模块划分和具体功能设计 |
| 2.2.2 自然语言理解和图拓扑搜索技术的应用 |
| 2.3 系统的数据交互和控制决策 |
| 2.3.1 SMPIP系统与外部系统的数据交互 |
| 2.3.2 系统模块的内部数据交互 |
| 2.3.3 系统的通信和控制决策 |
| 2.4 本章小结 |
| 第三章 基于本体模型和一阶谓词逻辑的停复电知识体系 |
| 3.1 电网停复电知识体系的构成 |
| 3.2 电网停复电本体知识的表示和构建 |
| 3.2.1 本体知识的划分和表示 |
| 3.2.2 本体知识库的自动生成 |
| 3.3 通用型电网停复电规则的设计和构建 |
| 3.3.1 拓扑变位时间序列推理规则的设计 |
| 3.3.2 调度命令票推理规则的设计 |
| 3.3.3 规则库的设计 |
| 3.4 系统推理机的知识推理机制 |
| 3.5 本章小结 |
| 第四章 检修计划的关联分组校核和调度命令票的推理 |
| 4.1 检修计划的关联分组机制 |
| 4.1.1 操作拓扑关联分析 |
| 4.1.2 负荷转移关联分析 |
| 4.2 次日拓扑变位时间序列的推理生成 |
| 4.2.1 拓扑变位时间序列的生成形式 |
| 4.2.2 基于知识驱动的拓扑变位的推理流程 |
| 4.3 计划分组的运行方式智能安全校核 |
| 4.3.1 分组拓扑变位冲突校核 |
| 4.3.2 基于次日拓扑变位时间序列的分组负荷校核 |
| 4.4 调度命令票和操作序列的分层推理生成机制 |
| 4.4.1 基于本体知识和规则匹配的调度命令票推理机制 |
| 4.4.2 应用结构数据表开发的操作序列生成方法 |
| 4.5 本章小结 |
| 第五章 系统开发和案例分析 |
| 5.1 系统开发和应用界面 |
| 5.2 检修计划分组方式校核案例 |
| 5.3 复杂调度命令票推理生成案例 |
| 5.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（5）基于Web的自然语言与SvsML需求模型转换专家系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 相关工作研究现状 |
| 1.2.1 基于模型的系统工程现状 |
| 1.2.2 专家系统的研究和发展 |
| 1.2.3 自然语言处理的研究和发展 |
| 1.2.4 递归对象模型的研究和发展 |
| 1.3 现有问题及研究内容 |
| 1.3.1 现有问题 |
| 1.3.2 本文研究内容 |
| 1.4 全文的组织结构 |
| 1.5 本章小结 |
| 2 自然语言与SysML需求模型的转换方法 |
| 2.1 转换方法总体介绍 |
| 2.2 分词法 |
| 2.3 自然语言的解析 |
| 2.4 递归对象模型转换 |
| 2.5 转换规则 |
| 2.5.1 ROM元素与SysML元素的对应关系 |
| 2.5.2 词性划分 |
| 2.5.3 SysML元素的确定 |
| 2.6 模型转换思路 |
| 2.7 描述语句获取 |
| 2.8 基于Java的模型转换 |
| 2.9 本章小结 |
| 3 模型转换专家系统构建 |
| 3.1 模型转换专家系统数据库 |
| 3.1.1 模型转换数据库的构建 |
| 3.1.2 总体设计思想 |
| 3.2 模型转换专家系统数据管理模块 |
| 3.3 模型转换专家系统知识库 |
| 3.3.1 产生式法 |
| 3.3.2 规则引擎 |
| 3.4 知识获取与知识表示 |
| 3.4.1 知识获取 |
| 3.4.2 知识表示 |
| 3.5 模型转换专家系统推理机 |
| 3.5.1 正向推理 |
| 3.5.2 本系统推理机所采用的推理控制策略 |
| 3.5.3 基于Drools规则引擎的规则表示 |
| 3.5.4 推理机功能模块介绍 |
| 3.6 本章小结 |
| 4 模型转换专家系统及总体设计方案 |
| 4.1 引言 |
| 4.2 模型转换专家系统技术路线 |
| 4.3 模型转换专家系统的基本特征 |
| 4.4 基于Web的模型转换专家系统构成 |
| 4.5 Web开发技术 |
| 4.5.1 模型转换专家系统的Web支持 |
| 4.5.2 基于移动智能设备的Web支持 |
| 4.6 系统设计需求 |
| 4.7 系统总体设计思想 |
| 4.8 系统的配置 |
| 4.8.1 开发环境的配置 |
| 4.8.2 数据库的选择 |
| 4.8.3 系统的运行环境 |
| 4.8.4 系统的主要功能模块 |
| 4.9 本章小结 |
| 5 系统实现 |
| 5.1 模型转换专家系统的基本操作流程 |
| 5.2 模型转换专家系统的具体实现 |
| 5.2.1 信息录入 |
| 5.2.2 专家系统展示 |
| 5.3 基于移动掌机的Web界面展示 |
| 5.4 水蒸馏器需求图实例 |
| 5.5 其他实例展示 |
| 5.6 系统建模正确率 |
| 5.7 系统的总体评价 |
| 5.8 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 附录 作者在读期间发表的学术论文及参加的科研项目 |
（6）基于本体的绿色建筑技术设计案例推理系统研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 绿色建筑发展背景 |
| 1.1.2 绿色建筑技术设计面临的困境与挑战 |
| 1.1.3 建筑领域数字化的研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 绿色建筑设计研究现状 |
| 1.2.2 案例推理在建筑领域的研究现状 |
| 1.2.3 本体在建筑领域应用的研究现状 |
| 1.2.4 基于本体的案例推理系统的研究现状 |
| 1.2.5 研究综述小结 |
| 1.3 研究目的和意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 研究内容及结构安排 |
| 1.5 研究方法和技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线图 |
| 1.6 创新点 |
| 2 研究理论基础 |
| 2.1 专家系统 |
| 2.1.1 专家系统的发展历程 |
| 2.1.3 专家系统的类型 |
| 2.1.4 传统专家决策系统特点 |
| 2.2 案例推理理论的基本原理 |
| 2.2.1 案例推理的发展历程 |
| 2.2.2 案例推理的基本原理 |
| 2.2.3 案例推理的特点 |
| 2.3 本体方法论 |
| 2.3.1 本体的定义 |
| 2.3.2 本体的分类 |
| 2.3.3 本体的构成要素 |
| 2.3.4 本体描述语言 |
| 2.3.5 本体的构建 |
| 2.3.6 本体学习 |
| 2.4 本章小结 |
| 3 绿色建筑技术设计案例推理系统框架构建 |
| 3.1 绿色建筑内涵及评价体系 |
| 3.1.1 绿色建筑内涵 |
| 3.1.2 绿色建筑发展 |
| 3.1.3 绿色建筑评价体系 |
| 3.1.4 绿色建筑评价体系对绿色建筑设计的引导作用 |
| 3.2 绿色建筑设计 |
| 3.2.1 绿色建筑设计的特点 |
| 3.2.2 传统建筑设计流程 |
| 3.2.3 绿色建筑设计流程 |
| 3.2.4 绿色建筑设计团队组成 |
| 3.2.5 绿色建筑设计面临的主要挑战 |
| 3.3 绿色建筑技术设计基本内容 |
| 3.3.1 节地和室外环境设计 |
| 3.3.2 节材设计 |
| 3.3.3 节能设计 |
| 3.3.4 节水设计 |
| 3.3.5 室内环境设计 |
| 3.4 基于本体的绿色建筑技术设计案例推理系统框架 |
| 3.4.1 案例推理技术应用于绿色建筑技术设计的可行性 |
| 3.4.2 基于案例推理的绿色建筑技术设计成果构成 |
| 3.4.3 基于本体的案例推理系统的优势 |
| 3.4.4 系统整体框架 |
| 3.5 本章小结 |
| 4 绿色建筑领域本体的构建原理 |
| 4.1 构建绿色建筑领域本体的任务 |
| 4.2 绿色建筑领域本体概念的提取原理 |
| 4.2.1 领域文本预处理 |
| 4.2.2 绿色建筑领域术语的提取 |
| 4.2.3 同义词合并 |
| 4.3 绿色建筑领域本体概念关系的识别 |
| 4.3.1 概念间分类关系的提取 |
| 4.3.2 非分类关系提取 |
| 4.4 绿色建筑本体构建的实现过程 |
| 4.4.1 绿色建筑本体概念及概念间关系提取 |
| 4.4.2 绿色建筑本体的实现 |
| 4.4.3 绿色建筑本体的形式化表示 |
| 4.5 本章小结 |
| 5 绿色建筑技术设计案例推理系统中的案例库构建原理 |
| 5.1 绿色建筑技术设计案例表示的框架 |
| 5.1.1 案例表示的原则 |
| 5.1.2 案例表示的方法 |
| 5.1.3 绿色建筑技术设计案例的内容 |
| 5.1.4 基于本体的绿色建筑技术设计案例表示的框架 |
| 5.2 绿色建筑技术设计案例的基本特征选取 |
| 5.3 绿色建筑技术设计案例的文本语义特征提取 |
| 5.3.1 传统文本表示的方法 |
| 5.3.2 基于领域本体的绿色建筑技术设计案例文本表示方法 |
| 5.3.3 绿色建筑技术设计案例文本的预处理 |
| 5.3.4 绿色建筑技术设计案例语义标引的建立 |
| 5.3.5 绿色建筑技术设计案例文本语义特征权重的计算方法 |
| 5.3.6 基于领域本体的语义向量构建的算法 |
| 5.4 绿色建筑技术设计案例的存储 |
| 5.5 本章小结 |
| 6 绿色建筑技术设计案例推理系统中案例检索机制的设计 |
| 6.1 绿色建筑技术设计案例检索方法和流程 |
| 6.1.1 案例检索方法 |
| 6.1.2 案例检索流程 |
| 6.2 绿色建筑技术设计案例基本特征相似度计算 |
| 6.2.1 绿色建筑技术设计案例基本特征的数据类型 |
| 6.2.2 绿色建筑技术设计案例的基本特征相似度计算模型 |
| 6.3 绿色建筑技术设计语义特征检索机制建立 |
| 6.3.1 基于本体的语义检索 |
| 6.3.2 基于本体的查询扩展 |
| 6.3.3 基于本体的语义检索模型中相似度计算 |
| 6.4 绿色建筑技术设计案例检索机制中综合相似度测算模型 |
| 6.4.1 案例全局相似度计算模型 |
| 6.4.2 案例特征权重确定方法 |
| 6.4.3 层次分析法 |
| 6.4.4 绿色建筑技术设计案例特征权重确定 |
| 6.5 绿色建筑技术设计案例调整及案例库的维护 |
| 6.5.1 绿色建筑技术设计案例重用与修正 |
| 6.5.2 绿色建筑技术设计案例学习 |
| 6.6 本章小结 |
| 7 绿色建筑技术设计案例推理系统的实证研究 |
| 7.1 绿色建筑技术设计案例推理系统的需求分析 |
| 7.1.1 系统的需求概述 |
| 7.1.2 系统功能需求 |
| 7.2 绿色建筑技术设计案例推理系统总体设计 |
| 7.2.1 系统架构设计 |
| 7.2.2 系统的工作流程 |
| 7.3 绿色建筑技术设计案例推理系统的界面设计 |
| 7.4 绿色建筑技术设计案例推理系统的应用 |
| 7.4.1 绿色建筑技术设计实证背景 |
| 7.4.2 绿色建筑技术设计案例推理系统的检索过程 |
| 7.4.3 系统检索结果的讨论 |
| 7.4.4 绿色建筑技术设计决策 |
| 7.5 本章小结 |
| 8 结论与展望 |
| 8.1 研究总结 |
| 8.2 研究存在的不足以及未来工作的展望 |
| 参考文献 |
| 附录 |
| A 作者在攻读博士学位期间所发表的文章目录 |
| B 作者在攻读学位期间参与的科研项目 |
| C 绿色建筑领域本体概念间非分类关系提取的源代码 |
| D 绿色建筑技术设计案例基本信息 |
| E 学位论文数据集 |
| 致谢 |
（7）机器解答电路题目方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究综述 |
| 1.2.1 机器解答研究现状 |
| 1.2.2 题目文本理解的三类方法 |
| 1.2.3 题目图形理解的两类方法 |
| 1.2.4 自动推理方法 |
| 1.3 研究目标和内容 |
| 1.4 论文的组织结构 |
| 第2章 机器解答理论与框架 |
| 2.1 机器解答的通用流程 |
| 2.2 电路题目的机器解答理论 |
| 2.2.1 等价表示理论 |
| 2.2.2 等价转换理论 |
| 2.2.3 类人解答理论 |
| 2.3 电路题目的信息构成 |
| 2.3.1 电路题目的组成 |
| 2.3.2 电路关系 |
| 2.4 电路题目的机器解答框架 |
| 2.4.1 题目理解框架 |
| 2.4.2 自动求解框架 |
| 2.5 本章小结 |
| 第3章 基于关系抽取的题目文本理解方法 |
| 3.1 电路题目文本理解方法概述 |
| 3.1.1 问题定义 |
| 3.1.2 题目文本理解方法 |
| 3.1.3 文本元数据处理 |
| 3.2 基于语义理解的题目文本理解方法 |
| 3.2.1 语义句模的构建 |
| 3.2.2 基于语义句模的语义理解方法 |
| 3.3 基于句法语义模型的直陈关系抽取算法 |
| 3.3.1 句法语义模型的构建 |
| 3.3.2 直陈关系抽取的算法流程 |
| 3.3.3 使用句法语义模型抽取直陈关系 |
| 3.4 基于单位定理模型的隐含关系抽取算法 |
| 3.4.1 单位定理模型的构建 |
| 3.4.2 隐含关系抽取的算法流程 |
| 3.4.3 使用单位定理模型抽取隐含关系 |
| 3.5 电路题目文本理解的实验 |
| 3.5.1 数据描述 |
| 3.5.2 评估标准及对比方法 |
| 3.5.3 实验结果和分析 |
| 3.6 本章小结 |
| 第4章 基于关系抽取的电路图形理解方法 |
| 4.1 电路图形理解方法概述 |
| 4.1.1 问题定义 |
| 4.1.2 电路图形理解方法 |
| 4.1.3 电路图形识别 |
| 4.2 基于拓扑收缩的电路关系抽取算法 |
| 4.2.1 任务定义 |
| 4.2.2 电路图形的拓扑结构分析 |
| 4.2.3 使用拓扑收缩算法抽取电路关系 |
| 4.2.4 实例分析 |
| 4.3 基于网孔搜索的电路关系抽取算法 |
| 4.3.1 任务定义 |
| 4.3.2 电路图形的网孔结构分析 |
| 4.3.3 使用网孔搜索算法抽取电路关系 |
| 4.3.4 实例分析 |
| 4.4 电路图形理解的实验 |
| 4.4.1 数据描述 |
| 4.4.2 评估标准 |
| 4.4.3 拓扑收缩算法的实验结果和分析 |
| 4.4.4 网孔搜索算法的实验结果和分析 |
| 4.4.5 联合算法的实验结果和分析 |
| 4.5 本章小结 |
| 第5章 电路题目的自动求解方法 |
| 5.1 电路题目的求解过程模型 |
| 5.1.1 机器解答过程分析 |
| 5.1.2 求解过程模型 |
| 5.2 基于关系推理的自动求解算法 |
| 5.2.1 电路关系实例化 |
| 5.2.2 图文关系融合 |
| 5.2.3 电路关系推理 |
| 5.2.4 使用关系推理算法求解电路题目 |
| 5.2.5 可读解答过程的呈现 |
| 5.3 电路题目的自动求解实验 |
| 5.3.1 数据描述 |
| 5.3.2 评估标准 |
| 5.3.3 不同解答条件下的实验结果和分析 |
| 5.3.4 不同难度等级下的实验结果和分析 |
| 5.4 本章小结 |
| 第6章 基于机器解答的电路辅导系统 |
| 6.1 系统的总体结构 |
| 6.2 题目理解模块 |
| 6.2.1 题目文本理解模块 |
| 6.2.2 电路图形理解模块 |
| 6.3 自动求解模块 |
| 6.4 智能辅导模块 |
| 6.4.1 智能导学 |
| 6.4.2 学习评测 |
| 6.4.3 学习分析 |
| 6.5 本章小结 |
| 第7章 总结和展望 |
| 7.1 研究总结 |
| 7.2 研究的不足和展望 |
| 参考文献 |
| 在校期间发表的学术论文与研究成果 |
| 获奖情况 |
| 发表的学术论文 |
| 参与和主持的科研项目 |
| 致谢 |
（8）日本法律人工智能的第一次顿挫（论文提纲范文）
| 摘要 |
| Abstract |
| 导论 |
| 一、研究综述 |
| 二、研究方法 |
| 三、研究的重、难点及创新点 |
| 第一章 日本法律人工智能的崛起 |
| 一、国家战略与人工智能 |
| 二、作为专用人工智能的法律人工智能 |
| 第二章 基于知识库的智能系统:法律知识库的构建 |
| 一、法律知识的基本结构 |
| 二、法律知识库的知识表示方法 |
| 三、《联合国国际货物销售合同公约》知识库:一个实战案例 |
| 第三章 法律推理的算法实现:NLP及推理机制 |
| 一、自然语言接口-逻辑式到日语的转换 |
| 二、法律推论系统 |
| 第四章 日本法律人工智能的第一次顿挫 |
| 一、日本法律专家系统的命运 |
| 二、日本法律专家系统的新发展 |
| 三、日本法律专家系统的遗产 |
| 结论 |
| 致谢 |
| 参考文献 |
（10）平面几何题目的自动解答研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究目标 |
| 1.3 研究内容 |
| 1.4 本文的创新点 |
| 1.5 论文的结构安排 |
| 第2章 相关研究现状综述 |
| 2.1 自动解答的一般流程 |
| 2.2 题目自动解答研究综述 |
| 2.2.1 数学题目自动解答方法和系统 |
| 2.2.2 本节小结 |
| 2.3 题目理解方法综述 |
| 2.3.1 基于自然语言题目文本的题目理解方法 |
| 2.3.2 基于图形的题目理解方法 |
| 2.3.3 基于多模态信息融合的题目理解方法 |
| 2.3.4 本节小结 |
| 2.4 自然语言文本关系抽取算法综述 |
| 2.5 平面几何自动推理方法综述 |
| 2.6 几何辅导系统综述 |
| 2.7 本章小结 |
| 第3章 基于关系抽取的平面几何自动解答理论 |
| 3.1 初等数学典型平面几何题目的求解过程分析 |
| 3.2 平面几何题目的自动解答理论 |
| 3.2.1 等价表示理论 |
| 3.2.2 等价转换理论 |
| 3.2.3 类人解答理论 |
| 3.3 基于关系抽取的平面几何题目的理解方法 |
| 3.4 本章小结 |
| 第4章 基于句法语义混合模型的纯文本平面几何题目的自动解答 |
| 4.1 求解方法概述 |
| 4.2 基于句法语义混合模型的纯文本几何应用题目的解答 |
| 4.2.1 算法流程 |
| 4.2.2 S~2模型创建 |
| 4.2.3 题目文本的语言分析 |
| 4.2.4 使用S~2模型提取直陈述关系 |
| 4.2.5 隐含关系添加 |
| 4.2.6 实例化方程组并求解 |
| 4.2.7 答案文本生成 |
| 4.3 基于句法语义混合模型的纯文本平面几何证明题目的解答 |
| 4.3.1 算法流程 |
| 4.3.2 分词和标注 |
| 4.3.3 几何实体识别 |
| 4.3.4 几何关系提取 |
| 4.3.5 推理和解答 |
| 4.4 几何应用题目的解答实验 |
| 4.4.1 数据集 |
| 4.4.2 S~2模型构建 |
| 4.4.3 基线(baseline)算法 |
| 4.4.4 评估标准 |
| 4.4.5 实验结果和分析 |
| 4.5 平面几何证明题目的解答实验 |
| 4.5.1 数据集 |
| 4.5.2 基线(baseline)算法 |
| 4.5.3 评估标准 |
| 4.5.4 实验结果和分析 |
| 4.6 本章小结 |
| 第5章 基于机器学习的纯文本平面几何题目的自动解答 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 基于机器学习的几何关系抽取 |
| 5.3.1 算法描述 |
| 5.3.2 候选关系生成 |
| 5.3.3 几何关系识别 |
| 5.4 实验和分析 |
| 5.4.1 数据集 |
| 5.4.2 实验设置 |
| 5.4.3 实验结果和分析 |
| 5.4.4 基于几何关系的题目求解 |
| 5.5 本章小结 |
| 第6章 基于文本和几何图形双模态理解的平面几何题目解答 |
| 6.1 引言 |
| 6.2 问题的形式化描述 |
| 6.3 平面几何图形理解 |
| 6.3.1 几何基元的检测 |
| 6.3.2 基本几何关系的挖掘 |
| 6.3.3 派生几何关系的生成 |
| 6.4 基于双模态信息融合的题目理解 |
| 6.5 基于双模态题目理解的平面几何题目解答 |
| 6.6 实验和分析 |
| 6.6.1 数据集 |
| 6.6.2 评估标准 |
| 6.6.3 实验结果和分析 |
| 6.7 本章小结 |
| 第7章 智能交互式几何辅导系统 |
| 7.1 几何题目理解模块 |
| 7.1.1 手绘平面几何图形的理解 |
| 7.2 几何题目求解模块 |
| 7.3 可视化交互模块 |
| 7.3.1 手绘平面几何图形的规整化 |
| 7.3.2 文本-图形对应关系的建立 |
| 7.3.3 可视化效果呈现 |
| 7.4 基于手绘几何图形的交互式人机界面 |
| 7.5 系统的初步评估 |
| 7.5.1 平面几何题目理解和求解的性能评估 |
| 7.5.2 系统在学生进行几何学习中的初步评估 |
| 7.6 本章小结 |
| 第8章 总结和展望 |
| 8.1 本文的研究总结 |
| 8.2 进一步的研究和展望 |
| 参考文献 |
| 攻读博士期间发表的论文和科研成果 |
| 致谢 |
四、基于自然语言理解的专家系统研究（论文参考文献）
- [1]基于微服务架构与知识图谱技术构建无人机知识库系统[D]. 陈秋瑾. 厦门理工学院, 2021(08)
- [2]任务型对话系统开发平台的设计与实现[D]. 韦帅丽. 北京邮电大学, 2021(01)
- [3]教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知[J]. 教育部. 中华人民共和国教育部公报, 2020(06)
- [4]基于知识模型的检修停复电智能审批和执行系统的研究和开发[D]. 徐尧燚. 华南理工大学, 2020(02)
- [5]基于Web的自然语言与SvsML需求模型转换专家系统研究[D]. 孙安程. 杭州电子科技大学, 2020(04)
- [6]基于本体的绿色建筑技术设计案例推理系统研究[D]. 严行. 重庆大学, 2019(05)
- [7]机器解答电路题目方法研究[D]. 菅朋朋. 华中师范大学, 2019(01)
- [8]日本法律人工智能的第一次顿挫[D]. 代晓林. 华中科技大学, 2019(03)
- [9]集对分析在人工智能中的应用与进展[J]. 蒋云良,赵克勤. 智能系统学报, 2019(01)
- [10]平面几何题目的自动解答研究[D]. 甘文斌. 华中师范大学, 2018(01)