面向地理課程自動(dòng)解題的規(guī)則知識(shí)獲取

朱劉影， 楊思春， 沈盛宇， 王 勇

（安徽工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，安徽 馬鞍山 243032）

自動(dòng)解題是人工智能領(lǐng)域的經(jīng)典問(wèn)題，由于自動(dòng)解題的題目大多為文字題，因此，近年來(lái)也吸引了自然語(yǔ)言處理領(lǐng)域研究人員的極大興趣，并開(kāi)始成為自然語(yǔ)言處理領(lǐng)域新的研究熱點(diǎn)。20 世紀(jì)60年代，Bobrow[1]最早提出用符號(hào)方法自動(dòng)求解代數(shù)文字題，該方法通過(guò)模式匹配或轉(zhuǎn)換規(guī)則來(lái)實(shí)現(xiàn)。但是，符號(hào)方法的解題范圍局限于很小的問(wèn)題子集，為此Shi 等人[2]通過(guò)構(gòu)造語(yǔ)義分析器，進(jìn)一步提升符號(hào)方法的解題能力。近年來(lái)，針對(duì)數(shù)學(xué)類文字題的自動(dòng)求解，一些研究人員又提出基于機(jī)器學(xué)習(xí)的方法。Hosseini 等人[3]通過(guò)從訓(xùn)練語(yǔ)料中學(xué)習(xí)動(dòng)詞的類別，自動(dòng)求解同類型的單步或多步加減的算術(shù)文字題。Kushman 等人[4]在訓(xùn)練集中列出每題所對(duì)應(yīng)的方程組和答案，并通過(guò)訓(xùn)練一個(gè)概率模型自動(dòng)求解代數(shù)文字題。Roy 等人[5]通過(guò)使用表達(dá)式樹(shù)（expression tree）自動(dòng)求解算術(shù)文字題。Zhou 等人[6]通過(guò)訓(xùn)練一個(gè)對(duì)數(shù)線性模型自動(dòng)求解代數(shù)文字題。機(jī)器學(xué)習(xí)方法雖然較好地解決了符號(hào)方法解題范圍小、解題能力弱的缺點(diǎn)，但由于受訓(xùn)練集規(guī)模和學(xué)習(xí)模型選擇的影響較大，其解題能力還有待于進(jìn)一步提升。

以上研究主要針對(duì)數(shù)學(xué)類課程的自動(dòng)解題，對(duì)于其他課程的自動(dòng)解題研究則偏少。漆桂林[7]以本體作為知識(shí)庫(kù)，引入空間推理模型，構(gòu)建一個(gè)高考地理智能問(wèn)答系統(tǒng)。受其啟發(fā)，筆者針對(duì)地理課程自動(dòng)解題，在地理試題本體的基礎(chǔ)上，通過(guò)構(gòu)建用于地理試題解答的解題規(guī)則，并運(yùn)用SPARQL查詢技術(shù)[8]和Jena推理技術(shù)[9]，實(shí)現(xiàn)地理試題的自動(dòng)解答。

以下第一部分概述相關(guān)理論和技術(shù)，第二部分介紹地理課程解題規(guī)則的具體獲取過(guò)程，第三部分是實(shí)驗(yàn)結(jié)果與分析，最后是對(duì)文中工作的總結(jié)與展望。

1 相關(guān)理論和技術(shù)概述

1.1 本體理論

本體（Ontology）是一種語(yǔ)義和知識(shí)層次上的概念模型建模工具。自20 世紀(jì)90年代以來(lái)取得了豐富的研究成果，已被廣泛應(yīng)用于知識(shí)工程[10]、語(yǔ)義Web[11]、電子商務(wù)[12]、信息檢索[13]、數(shù)字圖書(shū)館[14]等領(lǐng)域。

本體描述語(yǔ)言用來(lái)描述領(lǐng)域知識(shí)概念及其關(guān)系， 主要有RDF、RDFS 和OWL 等。RDF 全稱ResourceDescription Framework， 即資源描述框架， 是一種描述有關(guān)Web 資源的格式化語(yǔ)句集合的模型。OWL 全稱Web Ontology Language，是RDF 的一種應(yīng)用程序，通常使用RDF/XML 編碼，它是W3C 推薦的語(yǔ)義互聯(lián)網(wǎng)中本體描述語(yǔ)言的標(biāo)準(zhǔn)。

關(guān)于本體構(gòu)造工具，廣泛使用的是Protégé[15]系列，其特點(diǎn)是獨(dú)立于特定的語(yǔ)言，可以導(dǎo)入或者導(dǎo)出多種Web 本體描述語(yǔ)言格式（如XML，RDF（S），OWL 等）。Protégé 內(nèi)部支持RDF、OWL 的存儲(chǔ)和訪問(wèn)，為開(kāi)放源碼軟件。

本體的構(gòu)建方法有很多，常用的有IDEF-5 方法、骨架法（Uschold 方法）、TOVE 企業(yè)建模法、Methontology 方法、循環(huán)獲取法、七步法等。其中，用于領(lǐng)域本體構(gòu)建的主要是斯坦福大學(xué)醫(yī)學(xué)院提出的七步法。筆者也是根據(jù)七步法完成對(duì)地理試題本體的構(gòu)建。

1.2 SPARQL查詢技術(shù)

SPARQL 是RDF 實(shí)例數(shù)據(jù)查詢語(yǔ)言之一，用于從RDF 圖中獲取信息。SPARQL 類似于SQL 查詢語(yǔ)言的select-from 結(jié)構(gòu)，主要有以下幾個(gè)部分組成：

PREFIX Onto_name：Onto_uri

SELECT?Onto_type

WHERE{Onto_name

Keyword

Consequence

Onto_type}

其中，PREFIX 是SPARQL 語(yǔ)言的前綴，以引出后面的本體名詞（Onto_name）及本體的URI 形式（Onto_uri）。SELECT?用于選擇文本類型（Onto_type），類似于SQL 語(yǔ)句中的SELCET，WHERE 句子中包含許多部分，主要用于提供推理?xiàng)l件，Keyword 為文本中的關(guān)鍵詞，Consequence 為推理所需的屬性條件。在Protégé 中的SPARQL查詢支持RDF、RDFS、XML 及OWL 形式，其表達(dá)方式為：

PREFIXrdf：

PREFIXowl：

PREFIX

xsd：

PREFIX

rdfs：SELECT?subject?object

WHERE

{?subjectrdfs：subClassOf?object}

在構(gòu)建解題規(guī)則時(shí)，根據(jù)SPARQL 語(yǔ)言規(guī)范，設(shè)置SPARQL查詢語(yǔ)句用于推理驗(yàn)證，其通用形式為："PREFIX"+item.getValue（）+"：SELECT?"+item.getKey（）+"WHERE{"+item.getValue（）+"："+key+""+item.getValue（）+"："+consequence+"?"+item.getKey（）+"}"。

1.3 Jena推理技術(shù)

Jena 由HP 實(shí)驗(yàn)室開(kāi)發(fā)，是面向語(yǔ)義Web 有關(guān)應(yīng)用的Java 應(yīng)用程序API，是支持RDF、RDFS、OWL 等的編程環(huán)境。Jena 主要有以下接口和方法：

（1）RDF 和OWL 應(yīng)用編程接口， 利用RDF API 和OWL API 可以實(shí)現(xiàn)對(duì)RDF 和OWL 形式的本體存儲(chǔ)和查詢。

（2）Jena 的推理子系統(tǒng)提供了多個(gè)不同的推理引擎來(lái)使用不同類型的本體。

（3）SPARQL查詢語(yǔ)句的應(yīng)用方法。利用這些接口和方法可以實(shí)現(xiàn)本體構(gòu)建規(guī)則構(gòu)建及其推理。以下以構(gòu)建本體為例，說(shuō)明基于Jena 的本體構(gòu)建步驟：

①實(shí)體確立：將領(lǐng)域中的實(shí)體類歸類，劃分成不同的集合，并為集合設(shè)立命名空間，每個(gè)類集合對(duì)應(yīng)一個(gè)命名空間，把類概念化，然后確定概念間層次關(guān)系。

②屬性描述：根據(jù)領(lǐng)域?qū)嶓w間的關(guān)系，找到相應(yīng)屬性，為每個(gè)屬性分配一個(gè)URI，有數(shù)據(jù)屬性和對(duì)象屬性之分，根據(jù)具體情況去設(shè)置屬性的特征，確定屬性間的層次關(guān)系。

③根據(jù)領(lǐng)域的要求，將類和屬性連接，從而得到該領(lǐng)域概念化設(shè)計(jì)，構(gòu)建出領(lǐng)域本體。

2 地理課程解題規(guī)則獲取

2.1 解題規(guī)則描述

文中在地理試題本體的基礎(chǔ)上，進(jìn)一步獲取本體概念間的語(yǔ)義推理關(guān)系。作為本體概念間的語(yǔ)義傳遞信息，這些語(yǔ)義推理關(guān)系是獲取地理課程解題規(guī)則的關(guān)鍵。所獲取的解題規(guī)則包含傳遞關(guān)系的兩端及其之間的概念關(guān)系，其兩端為可以是地理試題中的概念實(shí)體，也可以是地理試題中的顯性或隱性知識(shí)；其概念關(guān)系主要體現(xiàn)為實(shí)體間的屬性關(guān)系，其表現(xiàn)形式類似于以下三元組形式：

ule：（?ahttp：//www.semanticweb.org/XX.owl#c?b），其中a 表示一個(gè)實(shí)體，b 表示一個(gè)實(shí)體，c 表示a 與b 之間的屬性，http：//www.semanticweb.org/XX.owl 就是一個(gè)XX 本體。

文中所構(gòu)建的解題規(guī)則由多個(gè)三元組構(gòu)成，解題規(guī)則語(yǔ)義鏈如圖1 所示。

圖1 解題規(guī)則語(yǔ)義鏈

其中，實(shí)體A、屬性r1、實(shí)體B 三者構(gòu)成三元組形式的一條規(guī)則。另外，用戶也可以基于SPARQL查詢語(yǔ)句和Jena推理技術(shù)， 構(gòu)建出更多的其他解題規(guī)則。例如， 圖1 的傳遞關(guān)系語(yǔ)義鏈中的屬性r3 就是通過(guò)SPARQL查詢語(yǔ)句中的Consequence 得出的。

2.2 解題規(guī)則獲取

基本思路：在地理試題本體構(gòu)建的基礎(chǔ)上，對(duì)試題題干及選項(xiàng)進(jìn)行語(yǔ)義分析，從中獲取用于試題解答的約束性條件，并將這些約束性條件定義為解題規(guī)則；然后從試題中的關(guān)鍵詞出發(fā)，在地理試題本體中找到關(guān)鍵詞與其他概念實(shí)體的聯(lián)系，并寫(xiě)出三元組形式的規(guī)則文本。獲取解題規(guī)則的具體過(guò)程如圖2 所示。

圖2 解題規(guī)則構(gòu)建過(guò)程

以下舉例說(shuō)明地理試題的解題規(guī)則獲取。

試題1：2011年6月26日21時(shí)10分，臺(tái)風(fēng)“米雷”在山東沿海登陸，此時(shí)，我國(guó)衛(wèi)星云圖上，山東沿海呈現(xiàn)出何種顏色（）

A.綠色 B.白色 C.藍(lán)色 D.黃色

解析：在衛(wèi)星云圖上，綠色表示陸地，藍(lán)色表示海洋，黃色表示沙漠，白色表示云區(qū)。臺(tái)風(fēng)過(guò)境時(shí)通常會(huì)出現(xiàn)狂風(fēng)暴雨天氣，因此，在我國(guó)衛(wèi)星云圖上山東沿海呈現(xiàn)白色。

針對(duì)該題的解題規(guī)則獲取過(guò)程如下：

（1）首先利用中科院分詞器對(duì)試題文本進(jìn)行分詞：

2011年/t6月/t26日/t 21 時(shí)/t 10 分/t，/wd 臺(tái)風(fēng)/n“/wyz 米雷/nrf”/wyy 在/p 山東/ns 沿海/f 登陸/vi，/wd 此時(shí)/r，/wd 我國(guó)/n 衛(wèi)星/n 云/vg 圖/n 上/f，/wd 山東/ns 沿海/f 呈現(xiàn)/v 出/vf 何種/r 顏色/n（/wkz）/wky A./n 綠色/n B./n 白色/n C./n 藍(lán)色/n D./n 黃色/

（2）對(duì)分詞結(jié)果進(jìn)行預(yù)處理，增加用戶詞典，實(shí)現(xiàn)對(duì)試題文本分詞結(jié)果的預(yù)處理。

首先，對(duì)試題題干及選項(xiàng)進(jìn)行分析，得到顯性知識(shí)點(diǎn)即題目可以直接得到的分詞結(jié)果；接著，提取試題中的相關(guān)概念，如衛(wèi)星云圖中的云區(qū)、陸地及海洋等概念，天氣中的暴風(fēng)雨等概念；然后，合成試題中部分地理術(shù)語(yǔ)詞，如將“山東/ns”和“沿海/f”合成為“山東沿海/ns”，將“衛(wèi)星/n”“云/vg 圖/n”合成為“衛(wèi)星云圖/n”等；最后，將合成的地理術(shù)語(yǔ)詞存儲(chǔ)在用戶詞典中。

（3）試題本體構(gòu)建采用自頂向下和自底向上相結(jié)合的試題本體構(gòu)建方法，具體步驟如下：

①確定構(gòu)建的本體領(lǐng)域：文中針對(duì)地理試題解題領(lǐng)域。

②獲取領(lǐng)域知識(shí)：主要通過(guò)對(duì)地理課程試卷分析，來(lái)獲取地理術(shù)語(yǔ)詞等相關(guān)領(lǐng)域知識(shí)。

③對(duì)領(lǐng)域知識(shí)進(jìn)行概念設(shè)計(jì)：針對(duì)試題文本進(jìn)行語(yǔ)義分析，提取試題關(guān)鍵詞等重要特征信息，從而抽取概念實(shí)體及其屬性。其中屬性和實(shí)體關(guān)系是通過(guò)語(yǔ)義理解題干及選項(xiàng)知識(shí)點(diǎn)所確定的，以便整個(gè)領(lǐng)域本體的構(gòu)建。

④利用本體編輯工具進(jìn)行本體構(gòu)建： 利用得到的地理領(lǐng)域概念知識(shí)在Protégé 工具中對(duì)概念和屬性進(jìn)行編輯，存儲(chǔ)格式為OWL 文件，并通過(guò)Jena API 將本體存入關(guān)系數(shù)據(jù)庫(kù)。

⑤完善本體：本體完成后，可以在Protégé 中的OntoGraf 看到本體的可視化界面，通過(guò)人工觀察分析來(lái)完善試題本體。本例的試題本體如圖3 所示。

（4）根據(jù)已構(gòu)建的試題本體及試題本身的語(yǔ)義分析結(jié)果，得到以下解題規(guī)則：

[rule：（?ahttp：//www.semanticweb.org/weixingyun.owl# 被登陸?b）

（?bhttp：//www.semanticweb.org/weixingyun.owl# 伴隨?c）

（?chttp：//www.semanticweb.org/weixingyun.owl# 顯示?d）

（?dhttp：//www.semanticweb.org/weixingyun.owl# 代表?e）->

（?ahttp：//www.semanticweb.org/weixingyun.owl# 衛(wèi)星云圖呈現(xiàn)?e）]

（5）根據(jù)構(gòu)建好的本體、規(guī)則，并結(jié)合以下SPARQL查詢語(yǔ)句：

StringqueryString＝"PREFIX weixingyun："+"SELECT? 天氣"+"WHERE{weixingyun："+""+str+""+"weixingyun：衛(wèi)星云圖呈現(xiàn)?天氣}"

找到試題對(duì)應(yīng)的str，從而推理得出試題答案：（?天氣＝）

圖3 例題的試題本體

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)數(shù)據(jù)主要來(lái)自億庫(kù)地理試題網(wǎng)（http：//www.eku.cc/sj/dili）和中學(xué)地理課程教材，收集了3 000 道選擇題（包括題干和選項(xiàng)），其中文字類試題有1 300 道，圖表類試題有1 700 道。表1 給出了數(shù)據(jù)集的具體分布情況。

在構(gòu)造解題規(guī)則之前，對(duì)收集的地理試題進(jìn)行預(yù)處理。對(duì)于文字類的地理試題，保留可以用規(guī)則進(jìn)行解題的試題；對(duì)于圖表類的地理試題，目前文中主要通過(guò)手動(dòng)標(biāo)注的方法將其標(biāo)注為文字，然后再構(gòu)建相應(yīng)的解題規(guī)則，后期將考慮結(jié)合圖像識(shí)別技術(shù)對(duì)圖表類試題進(jìn)行自動(dòng)語(yǔ)義標(biāo)注。

表1 試題數(shù)據(jù)集分布表

3.2 實(shí)驗(yàn)設(shè)置

文中實(shí)驗(yàn)分為兩組：第一組驗(yàn)證解題規(guī)則對(duì)文字類試題的解題效果；第二組驗(yàn)證解題規(guī)則對(duì)圖表類試題的解題效果。

利用以下公式（解題有效率）分別驗(yàn)證解題規(guī)則對(duì)文字類試題和圖表類試題的整體解題效果。

3.3 實(shí)驗(yàn)結(jié)果分析

3.3.1 文字類試題的解題效果

第一組實(shí)驗(yàn)中，對(duì)于1 300 道文字類試題，通過(guò)預(yù)處理，保留可以使用解題規(guī)則的試題。

圖4 給出了以下一道試題的解題規(guī)則對(duì)文字類試題的具體解題效果。

試題2：索契冬奧會(huì)開(kāi)幕，習(xí)近平主席在俄期間哪些語(yǔ)種使用最多的是（）

A.俄語(yǔ) B.阿拉伯語(yǔ) C.法語(yǔ) D.西班牙語(yǔ)

在對(duì)該試題進(jìn)行本體構(gòu)造過(guò)程中，共有三個(gè)實(shí)體類，包括國(guó)家、奧運(yùn)會(huì)、語(yǔ)種，其中應(yīng)用到解題的個(gè)體有索契冬奧會(huì)、俄國(guó)、俄語(yǔ)等，屬性關(guān)系包括奧運(yùn)會(huì)與國(guó)家之間的關(guān)系、國(guó)家與語(yǔ)種之間的關(guān)系。通過(guò)對(duì)實(shí)體和屬性關(guān)系的抽取，進(jìn)而得到本體結(jié)構(gòu)，編寫(xiě)解題規(guī)則。

從圖4 可以看出，選擇一個(gè)文字類試題及其類型，根據(jù)所構(gòu)建的解題規(guī)則，可以獲得該試題的對(duì)應(yīng)答案。

解題規(guī)則對(duì)文字類試題的整體解題效果見(jiàn)表2。

從表2 可以看出， 有效使用解題規(guī)則的文字類地理試題數(shù)占到文字類地理試題總數(shù)的近一半， 表明解題規(guī)則對(duì)文字類試題的解答有明顯的解題效果。在后續(xù)研究中，將針對(duì)那些不適用于使用解題規(guī)則的文字類試題， 在試題本體的優(yōu)化方面作進(jìn)一步的研究。

圖4 文字類試題解題示例

表2 文字類試題的解題規(guī)則效果

3.3.2 圖表類試題的解題效果

第二組實(shí)驗(yàn)中，對(duì)于1 700 道圖表類試題，通過(guò)預(yù)處理，保留適用于使用解題規(guī)則的試題。

以下給出一道試題的解題規(guī)則對(duì)圖表類試題的具體解題效果。

試題3：如圖5 所示，該地降水集中在6～8月，根據(jù)降水量的各月分配情況，可知此地（北半球）的降水類型屬于（）

A.全年多雨型 B.全年少雨型 C.夏季多雨型D.冬季多雨型

在試題進(jìn)行本體構(gòu)造過(guò)程中，共有四個(gè)實(shí)體類，包括地點(diǎn)、季節(jié)、月份時(shí)間段及降水類型，其中應(yīng)用到解題的個(gè)體有北半球、春夏秋冬及各季度月份、夏季多雨型等，屬性關(guān)系包括地點(diǎn)與季節(jié)之間的關(guān)系、季節(jié)與月份時(shí)間段之間的關(guān)系以及月份時(shí)間段與降水類型之間的關(guān)系。通過(guò)對(duì)實(shí)體和屬性關(guān)系的抽取，進(jìn)而得到本體結(jié)構(gòu)，編寫(xiě)解題規(guī)則。

從圖6 可見(jiàn)，選擇一個(gè)圖表類試題及其類型，根據(jù)所構(gòu)建的解題規(guī)則，可以獲得該試題的對(duì)應(yīng)答案。解題規(guī)則對(duì)圖表類試題的整體解題效果見(jiàn)表3。

圖5 降水量分布圖

圖6 圖表類試題解題示例

表3 圖表類試題的解題規(guī)則效果

從表3 可以看到，解題規(guī)則對(duì)圖表類試題的解題效果雖然沒(méi)有對(duì)文字類試題的解題效果明顯，但是也表明了解題規(guī)則對(duì)圖表類試題的解答有一定的輔助作用。在后續(xù)研究中，將針對(duì)圖表類試題，在試題預(yù)處理及試題本體優(yōu)化等方面作進(jìn)一步改進(jìn)。

實(shí)驗(yàn)結(jié)果表明，解題規(guī)則在文本類地理試題自動(dòng)解題中取得了初步的效果。但也有超過(guò)半數(shù)的試題無(wú)法使用規(guī)則求解。主要原因在于：一方面地理試題復(fù)雜程度較高，比如對(duì)于一個(gè)試題中包含不同類型的實(shí)體，求解其中部分較多類型組合試題比較困難；另一方面對(duì)于那些無(wú)法提取的語(yǔ)義傳遞關(guān)系，可能會(huì)導(dǎo)致在構(gòu)建本體時(shí)無(wú)法提取實(shí)體之間的屬性關(guān)系。

4 結(jié)語(yǔ)

文中在構(gòu)建地理試題本體的基礎(chǔ)上，通過(guò)對(duì)試題題干及選項(xiàng)進(jìn)行語(yǔ)義分析，進(jìn)一步獲取概念實(shí)體間的語(yǔ)義推理關(guān)系，并將這種語(yǔ)義推理關(guān)系轉(zhuǎn)化為用于試題解答的解題規(guī)則。同時(shí)運(yùn)用SPARQL查詢技術(shù)和Jena推理技術(shù)，實(shí)現(xiàn)地理試題的自動(dòng)解答。在所收集的地理試題集上的實(shí)驗(yàn)結(jié)果表明，文中獲取的解題規(guī)則對(duì)文字類試題和圖表類兩類試題的解答有一定的效果。

后續(xù)主要研究：（1）將對(duì)文字類試題本體進(jìn)行優(yōu)化，解決更多試題；（2）結(jié)合圖像識(shí)別技術(shù)，對(duì)題干中的圖像及圖表進(jìn)行掃描識(shí)別，并轉(zhuǎn)化成文字信息；（3）在對(duì)試題進(jìn)行分類后，將同類試題的解題規(guī)則優(yōu)化，讓同一類別試題規(guī)則具有統(tǒng)一性，使得解題規(guī)則具有復(fù)用性，進(jìn)而提高解題規(guī)則的實(shí)用性和系統(tǒng)解題效率。