论文研究面向选择类题型求解的相似问题发现研究.pdf

在人工智能火热的今天，智能解题逐渐成为一大研究热点。研究基于知识关联和推理的选择类问题求解，尝试解决问题理解和相似问题发现两方面内容。针对问题理解，使用TextRank和词性标注两种方法完成关键信息提取，并使用word2vec词聚类的结果完成关键信息扩展；针对相似问题发现，首先根据问题理解生成的关键信息，从已有题库中抽取候选问题集，然后结合word2vec生成的词向量分别使用基于BM25变体、词项向量加权、改进的编辑距离三种方法计算句子相似度，并根据相似度大小，确定答案选择，最终完成问题求解。在地理选择题解答的相关实验中，获得了最高75.88%的平均准确率，也验证了问题求解的可行性。