[发明专利]一种谈话式智能教学系统

权利要求书

1.一种谈话式智能教学系统，其特征在于：包括互相连接的知识库单元和功能单元，所述功能单元包括输入预处理模块、答案推理模块、评价模块和对话管理模块，所述输入预处理模块、答案推理模块、评价模块和对话管理模块之间彼此互相连接；

所述知识库单元包括有领域本体、交互模板、语义词典和学生模型；

所述预处理模块用于对学生的回答或输入的内容进行分词、词性标注、本体元素标注与分类；

所述答案推理模块由所有交互模板绑定的推理函数组成，用于对提问主题进行基于领域本体的答案推理；

所述评价模块用于对学生的回答或输入进行评分与更新学生模型；

所述对话管理模块用于对学生的回答或输入进行响应和组织对话顺序；

所述语义词典为现有的词语同义词与词语层次结构的词典；

所述学生模型是用于存放学生当前学习状态、进度、成绩与认知水平的数据库文件；

将学生输入中对系统提问的潜在回答定义为贡献，并将贡献分为两类：(a)短贡献：用于回答答案为单个词、单个值及一个或多个无序的本体元素的问题；(b)长贡献：用于回答答案为一个文本且与概念的定义或属性约束相关的问题；

所述领域本体模型DOM定义包括六个部分：DOM＝{概念，属性，关系，实例，同义词，概念层次,公理}；其中：所述概念是指某个领域中具有相同特征的实体的集合与抽象；所述属性是指概念与数据对象之间的二元关系，用于表示概念的某一方面的特征；所述关系表示概念之间的二元关系；所述实例是现实世界中属于某个概念的具体实体；所述同义词是指具有相同含义的概念名、属性名、关系名与实例名；所述概念层次是一个概念的is-a分类结构，反映了某领域的概念与概念之间的上、下位继承关系；所述公理是领域知识的永真断言，是一种机器能够理解的理论性知识；

所述领域本体中还设置有特殊的属性、属性命名法和属性约束结构：

(1)使用“属性名_误解”定义指定属性的误解属性，并使用误解描述||提示||补救概念集的字符串结构来绑定关于误解约束的信息，其中符号“||”用于分隔绑定信息；

(2)使用属性has_resource_link的约束来指向学习资源目录的URL，所指向的学习资源目录包含了与给定概念的不同认知级别相对应的多种多媒体学习资源；

(3)使用has_description属性来描述一个在逻辑表达式中由交集运算符∩与它绑定的非原子概念；

(4)使用“与_概念名_的_属性关键字”定义一个包含三个变体的三元属性；

所述评价模块的工作过程为：

S1.系统通过交互模板的模板结构向学生进行提问，同时通过模板结构所绑定的推理程序，从领域本体中获取提问的标准答案Key；

S2.判断学生的回答输入为短贡献还是长贡献，若是短贡献，则进入步骤S2.1，若是长贡献，则进入步骤S2.2：

S2.1对于短贡献，采用如下公式(Ⅰ)计算学生的回答输入与标准答案之间的匹配度，再以该匹配度作为学生的回答输入对问题回答的贡献度；

其中，Input表示一个学生的回答输入，Key表示一个问题的标准答案，K为标准答案Key所包含必选词语的集合，函数Lmatch(i)用于计算Key中第i个元素被学生的回答输入Input所蕴含的程度，计算如公式(Ⅱ)：

其中，Values、Ontology、Words分别代表数值集合、本体元素集合与词语集合，IN代表学生输入Input所包含词语的集合，p表示IN中的任意一个词语，OSim(i,p)表示以领域本体为语义知识的词语相似度，DSim(i,p)表示以现有的语义词典为语义知识的词语相似度；

S2.2对于长贡献：

S2.2.1采用公式(Ⅲ)计算出学生的回答输入与标准答案的之间的匹配度：

其中，SK_i表示包含标准答案Key中长度为i的所有连续子序列的集合，Input表示一个学生的回答输入，Key表示一个问题的标准答案，K为标准答案Key所包含必选词语的集合；函数f(SK_i)用于计算Key中长度为i的连续子序列集合SK_i被学生的回答输入Input所蕴含的程度，其计算如公式(Ⅳ)：

其中，j为Key中任意一个长度为i的连续子序列；函数Smatch(j)用于计算连续子序列j被学生的回答输入Input所蕴含的程度，计算如公式(Ⅴ)：

其中，SIN_i表示学生的回答输入Input中所有长度为i的连续子序列的集合，k表示SIN_i中的任意一个长度为i的连续子序列，其余符号与函数的含意与公式(Ⅱ)中的相同；

S2.2.2计算学生的回答输入与标准答案的之间的语调相似度：

其中，函数neg(s)通过句法分析软件中的neg依存关系判定在句子s中是否存在否定词，如果存在则该函数返回1，否则返回0；

S2.2.3以上述计算获得的匹配度乘以语调相似度，作为学生的回答输入对问题回答的贡献度，计算结果由式(Ⅶ)获得：

Contribution(Input,Key)＝LCSmatch(Input,Key)×ToneSim(Input,Key) (Ⅶ)；

S3.当贡献度达到一个阈值时，则判定学生对该问题回答正确；如果学生能够在无帮助请求的情况，正确给出问题的答案，则判定学生掌握该问题对应的知识点；最后，将评判结果传递给对话管理模块，同时在学生模型中进行相应的更新。