数学题目一题多解实现方法、装置及平台与流程

本发明属于智能教育技术领域，特别涉及一种基于复杂推理网络的数学题目一题多解实现方法、装置、平台。

背景技术：

一题多解，即是对于同一道题目有多种思路多种解法。特别在初等数学教育领域，一题多解的训练可以培养学生灵活、敏捷的思维能力，能够使学生开阔思路，把学过的知识和方法融会贯通，使用自如，大大提升分析问题和解决问题的能力。

但在实际教学中，由于大部分学生学业负担较重，一般也不愿意多花时间在一题多解方面，而且很多老师也是往往只传授一个方法，并没有认真研究多种解法。此外，目前市场上能提供一题多解的教育产品，也基本是老师编辑好的，未有一款产品能将一题多解真正做到智能化。如果能将一题多解实现智能化，可以满足越来越丰富的教学需求，并更好的为学生和教师进行服务，不管对老师还是对学生都有很大的裨益。

近年来，随着人工智能在教育行业内的应用获得越来越多的关注，其中自动化解题技术当属于人工智能在教育行业内的一个高级应用，是智能教育发展的一个分支。利用自动化解题技术实现一题多解功能，可以真正将一题多解做到智能化。

技术实现要素：

本发明实施例提供了一种基于复杂推理网络的数学题目一题多解实现方法、装置、平台和存储介质。

本发明实施例之一，一种基于复杂推理网络的数学题目一题多解实现方法，包括以下步骤：

通过nlp算法把数学题目转换成谓词信息并插入到drools推理引擎的事实空间，然后通过自动化推理技术整理事实空间中存在的所有事实和推理网络，匹配所有满足解题思路的解题步骤，形成初始的类人解题步骤；

通过比较初始类人解题步骤中各解法之间的相似性，对初始类人解题步骤进行第一次筛选，筛选掉一部分重复的解题步骤；

把第一次筛选后获得的解题步骤所对应的规则插入到规则与知识点、解题方法间的映射关系网络系统中进行匹配，得到每种解法各自对应的知识点和解题方法；

通过比对所有解法中的知识点和方法，进行第二次筛选，选出具有不同知识点或具有不同方法的解法作为最终答案自动化输出。

本发明的实施例所提出的基于复杂推理网络的一题多解功能实现方法主要采用的是drools推理引擎和自动推理技术相结合的方法，为学生提供知识点不完全相同或方法不完全相同的多种解题步骤，同时为每种解题步骤指定相应的知识点和解题方法。这样不仅可以很方便快捷的为学生提供多种解题逻辑，有助于培养学生灵活、敏捷的思维能力。还可以丰富老师的教学思路，方便老师对学生从多角度进行辅导，也有助于老师制定多样化、个性化的教学路径。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1是根据本发明实施例的一题多解实现方法步骤流程图；

图2是根据本发明实施例的一题多解功现方法操作流程图。

具体实施方式

根据一个或者多个实施例，如图1所示，一种基于复杂推理网络的一题多解功能实现方法，包括如下步骤：

s1，通过nlp技术把初等数学题目转换成谓词信息并插入到drools推理引擎的事实空间，然后通过自动化推理技术整理事实空间中存在的所有事实和推理网络，匹配所有满足解题思路的解题步骤，形成初始的类人解题步骤，这里的类人解题步骤，是指使用人类语言描述的解题步骤，与教师给出的标准答案类似，便于学生理解的形式；

s2，通过比较初始类人解题步骤中各解法之间的相似性，对初始类人解题步骤进行第一次筛选，筛选掉一部分重复的解题步骤；

s3，并把第一次筛选后获得的解题步骤所对应的规则插入到规则与知识点、解题方法间的映射关系网络系统中进行匹配，得到每种解法各自对应的知识点和解题方法；

s4，通过比对所有解法中的知识点和方法，进行第二次筛选，选出具有不同知识点或具有不同方法的解法作为最终答案自动化输出。

在本实施例中，将初等数学题目对应的谓词信息插入到drools事实空间后，结合使用自动推理技术，生成复合推理逻辑的解题方法，并对所有满足条件的解题方法筛选掉相似度较高的部分，然后基于解题思路对应的知识点和方法，对解题步骤中知识点不完全相同或方法不完全相同的解题方法继续进行筛选，产生最终的多种解法，并附上相应的知识点和方法。这种利用自动化解题技术实现一题多解的功能，不仅优化了自动化解题技术，还实现了题目知识点和解题方法的自动标注，能更好的服务于老师和学生，既可以锻炼学生的数学思维能力，也减轻了老师多方面的教学负担，有助于精准教育、个性化教育的真正实现。

根据一个或者多个实施例，步骤s1的具体实现步骤又包括：

s11，通过nlp技术对初等数学题目文本数据进行训练，按照事先设计好的谓词表示形式得到每道数学题目的谓词信息；

s12，在具有丰富一线教学经验的数学教师的指导下，编写drools推理网络的规则；

s13，将初等数学题目对应的谓词信息插入到drools推理引擎的事实空间中，匹配空间中存在的规则，并将产生的新的事实和推理网络插入事实空间中，重复执行此步骤，直到不再有新的事实对象产生为止；

s14，利用自动推理技术匹配事实空间中存在的所有事实对象和推理网络，并将满足解题思路的事实对象和推理网络整理并提取出来，形成初始的类人解题步骤。该步骤s14，通过整理推理网络而得到所有解题方法，当事实空间中存在与求解目标匹配的对象时，根据此匹配对象整理出一种解题方法，即得到一种解题方法；同时继续循环寻找事实空间中剩余的对象，重复该步骤，以此得出求解题目的所有的解题方法。

步骤s2又包括以下步骤：

s21，在提炼总结好的数学知识点及解题思路、方法的基础上，将drools规则集中的每条规则映射到相应的知识点和解题方法上，得到规则与知识点、解题方法间的映射关系网络系统；

s22，比较初始类人解题步骤中各解法之间的相似性，对初始类人解题步骤进行第一次筛选，主要筛选掉一些相似度较高的解题步骤。在利用自动化推理技术推导出的多种解题步骤之间往往具有很高的相似性，很有可能对于一道只有一种解题思路的初等数学题目也会产生多种解题步骤。针对这种情况，需要在匹配结果的过程中筛选掉一部分重复的解题思路，不仅需要将具有包含关系的解题步骤舍弃掉，还需要计算不具有包含关系的解题步骤之间的相似度，舍弃掉相似度大于指定阈值的解题步骤。

根据一个或者多个实施例，如图2所示，编写自动化推理系统的drools规则，提炼数学知识点和解题方法，建立规则与知识点、解题方法间的映射关系网络系统，进而建立自动化推理系统。同时对数学题目文本格式进行谓词处理，采用nlp算法将题目文本转换成谓词表示，将谓词信息插入到自动化推理系统，得到多种解题方法。比较解题步骤的相似性，进行第一次筛选，将相似性高的解题方法筛除掉。再比较各解题方法间所含数学知识点和方法进行第二次筛选，从而得到最终的多个解题方法。如果自动化推理系统无法得出多个解题方法，则直接确定最终的解题方法和解题步骤。

根据一个或者多个实施例，为了进一步剔除掉解题步骤中重复的解法，得到更优化的结果，针对步骤s4中的第二步筛选，使用解题思路中蕴含的知识点和方法来标识不同的解法，即当两种解法中包含的知识点或方法不完全相同时，就认为属于不同解法。这种方法不仅可以从数学本质上进行区分，同时也可以为每种解法提取出相应的知识点和方法。因此在进行第二次筛选时，需要比对所有解法中的知识点和方法，将多种解题步骤之间蕴含的知识点不完全相同且不存在包含关系，或者蕴含的方法不完全相同且不存在包含关系的解题步骤筛选出来作为最终答案自动化输出。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

值得说明的是，虽然前述内容已经参考若干具体实施方式描述了本发明创造的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。