自动问题求解智能教学系统中语义理解方法综述

第２２卷　２０１２年第８期　现代教育技术　Ｍｏｄｅｍ　Ｅｄｕｃａｔｉｏｎａｌ　Ｔｅｃｈｎｏｌｏｇｙ　、，０１．２２　ＮＯ．８　２０１２　自动问题求解智能教学系统中语义理解方法综述　马玉慧　谭凯　尚晓晶　郭晓鹏　（渤海大学教育技术研究所，辽宁锦州１２１０００）　【摘要】文章对近五十年来国内外自动问题求解智能教学系统中自然语言的语义理解方法进行了梳理。对不同时期、不同　系统的语义理解方法进行了分析和比较，归纳总结出系统能够解决题目受限的原因，并得出以下结论：问题表征是语义理解的　方向，知识库是语义理解的基础，借鉴认知科学的研究成果是语义理解研究的趋势。最后提出了该领域面临的问题和挑战。　【关键词】智能教学系统；语义理解；自然语言理解；自动问题求解　【中图分类号】Ｇ４２０　【文献标识码】Ａ　【论文编号１　１００９－－８０９７（２０１２）Ｏ８—０１Ｏ４＿＿Ｊ０６　解并自动求解用英语表述的代数问题，例如“汤姆得到的客户　数量是他登广告数量２０％的平方的２倍。如果汤姆登了４５条　广告，那么他得到的客户数量是多少？”ＳＴＵＤＥＮＴ系统定义　引言　近年来，以认知心理学、计算机技术为基础的人工智能技　术迅速发展，国内外研究者在利用智能教学系统促进学生能力　了六种数学关系“和”，“不同”，“乘积”，“商”，“幂”，“相等”，　理解问题的过程是将用自然语言表述的文本转换成一种关系　模型（ｒｅｌａｔｉｏｎａｌ　ｍｏｄｅ１），即用上述数学关系作为谓词的类ＬＩＳＰ　语言的形式化描述，然后通过操作关系模型实现问题的自动求　发展方面进行了大量的探索和尝试。实践证明，智能教学系统　在个性化智能辅导方面显示了其巨大的影响力，并取得了很好　的效果。［　】用自然语言与智能系统进行交互一直是众多研究者　追求的目标。近几十年来人们一直在进行这方面的努力。【２　目　前在现有智能教学系统中，用自然语言与系统进行交互主要存　解。例如上述问题转换后的关系模型的形式化描述如下：　（相等ｘ００Ｏ叭（溺姆得到酌客户数量））　（相等（他登酌广告数量）４５）　（相等（汤姆得到的客户数量）（倍２（幂（倍Ｄ．２　（他登酌广告数量））２）））　在两种方式：一是问题的答案事先存储在知识库中，系统解析　学生输入的语音或文本并进行分类，通过匹配实现智能问答　【　】【４］［５】：二是问题的答案并未存储在系统中，系统首先理解学生　输入的具有丰富情境信息的问题（例如应用题），在此基础上　进行推理实现问题的自动求解，或实现计算机画图。在本研究　ＳＴＵＤＥＮＴ系统中实现自然语言理解的具体步骤是（１）根　据事先存储的句式，将复句转换成单句；（２）利用字典，抽取　中，将这类系统界定为自动问题求解智能教学系统（本文研究　的智能教学系统特指这类系统）。显然，这类系统可以理解并　完成系统中未事先存储的问题，因而更智能，更符合学生个性　化发展需要。在这类系统中，首要任务是理解学生输入的问题，　每个单句中的关键词（例如上题中的“倍”，“数量”等），确　定其所表述的数量关系；（３）将单句转换为关系模型。　ＳＴＵＤＥＮＴ利用关系模型表述数学关系，确实能够有效地　这是系统进行问题自动求解的前提和关键。对计算机而言，理　解用自然语言表述的问题是一项非常复杂的工作，也是最难攻　克的技术难点。从上个世纪六十年代以来，研究者就致力于这　方面的研究，至今已经取得了一些研究成果。本文采用文献研　究方法，首先对国内外典型的自动问题求解智能教学系统中的　解决～些代数问题。但其能够解决的题目受以下条件限制：（１）　由于系统中存储的句式很有限，因此不能识别、解析其他句式　或语法结构复杂的文本；（２）系统中数学关系的确定，关系模　型的构建主要依靠关键词，因此问题中表述数学关系必须使用　这些关键词，否则系统不能识别。　尽管ＳＴＵＤＥＮＴ系统能够解决的问题还很有限，但作为最　早的能够理解自然语言并进行自动求解的智能系统，该系统开　创了这方面研究领域的先河。而且其定义的问题的形式化描述　方式便于推理，为以后实现更复杂问题的求解提供了借鉴。　１９６９年由Ｃｈａｍｉａｋ等于开发的ＣＡＲＰＳ系统，能够自动求　语义理解方法进行了分析和梳理，总结出在该领域进行语义理　解的关键问题以及面临的问题和挑战，以期为进一步的研究工　作提供有意的参考。　一典型系统中的语义理解方法　１六、七十年代的研究概况　最早的能够理解并求解问题的智能教学系统，可以追溯到　解２类（距离和体积）１４道微积分问题。［７１该系统与ＳＴＵＤＥＮＴ　系统在自然语言理解方法上很类似，主要的区别在于ＣＡＲＰＳ　系统并非由简单句直接转换为关系模型，而是通过识别基本的　１９６４年由Ｂｏｂｒｏｗ等开发的ＳＴＵＤＥＮＴ系统［６】Ｊ该系统能够理　１０４　句子模式以及名词短语，先将简单句转换成一个树形结构，再　由存储在树形结构中的信息以及相关的知识（例如关于圆锥的　知识等）转换为类似ＳＴＵＤＥＮＴ系统的形式化描述。例如问题　“将水以每秒１５．０立方英尺的速度注入一个圆锥形的过滤器　中。如过滤器底部的半径是ｌ５英尺，高度是１０英尺　那么以　此速度，当注入水的容积达到１００．０立方英尺时，水的高度是　多少？”该题所对应的树形结构如图１所示。　Ｆｈ　Ｒ　”：Ｏ∞０２　ＶＡ　ＬＵ：ＩＩＯＩＮ）　ＶＡＬＵ　ｔｔ∞ｌＮ３）　图１　ＣＡＲＰＳ系统的树形结构　借助树形结构，ＣＡＲＰＳ系统能够识别句法结构稍复杂的句　子（例如对省略和指代的识别）。ＣＡＲＰＳ系统的树形结构为接　下来的几个系统所采纳，例如１９７１年Ｇｅｌｂ等开发的能够解决　基本概率问题的ＨＡＰＰＩＮＥＳＳ系统【８】，１９７７年Ｋｌｅｅｒ等开发的　可以自动求解运动学问题的ＮＥＷＴＯＮ系　９】等。　但毕竟树形结构所表示的关系仅限于前驱后继位关系，无　法表示物理问题中多个对象间的相互关系。借鉴１９７３年西蒙　提出的语义网络，以及１９７５年明斯基提出的框架表示法，１９７７　年Ｎｏｖａｋ等开发了ＩＳＡＡＣ系统，通过将句子先转换成语义网　络，再转换成框架表示的语义框架，使得ＩＳＡＡＣ系统不仅能　够自动求解学生输入的用英语表述的力学问题，而且能够根据　题意画出问题的示意图。［１　ｏＪ经过测试，ＩＳＡＡＣ系统能够求解高　中和大学物理课本中的２０道题。例如“将梯子的末端置于一　面垂直墙的墙角。梯子的前端由一条固定在墙上的３０英尺的　绳子撑着。梯子长５Ｏ英尺，重１００磅，重心距离梯子末端２Ｏ　英尺。一位重１５０磅的人位于距离梯子前端１Ｏ英尺处。求绳　子所受的张力。”ＩＳＡＡＣ系统能够输出其正确答案（１２０磅），　并能够输出该问题的示意图，如图２所示。　图２　ＩＳＡＡＣ系统输出的物理题示意图　ＩＳＡＡＣ系统实现语义理解的步骤是：（１）利用句法解析器，　将用自然语言表述的问题转换成语义网络，网络中每个节点代　表一个短语并用这个短语的中心词表示，节点的相关属性（例　如ＬＦＲＡＭＥ表示语言框架类型，存储的值为ＮＰ一名称短语，　或者ｖ　动词短语）存储在一个列表中；（２）通过句式匹　配进行语义分析，主要是分析短语中的动词和介词，例如梯子　的上面（ｔｏｐ　ｏｆ　ｔｈｅ　ｌａｄｄｅｒ）与＜位置＞０ｆ＜对象＞匹配成功；（３）　生成语义框架（ＳＦＲＡＭＥ）。ＩＳＡＡＣ系统共定义了７种力学常　规对象：杠杆、重物、弹簧、支点、绳子、平面、力。这７个　常规对象分别对应７个语义框架，每个语义框架都对应不同的　语义分析程序。因此可以说若完成了语义框架的填充，就完成　了语义分析。生成语义框架后，调用绘图模块，利用语义框架　中包含的关系完成问题示意图的绘制。　虽然在ＩＳＡＡＣ系统中利用语义网络实现了多个对象间复　杂关系的表示。但与之前的系统相似，ＩＳＡＡＣ系统只能解决既　定类型的问题，且仅能识别几个有限的物理对象。　２八、九十年代的研究概括　进入８０年代后，认知心理学对人类问题解决的研究取得　了不少的研究成果，特别是关于问题表征、以及从语义层面对　问题分类的研究对自动问题求解系统中的语义理解产生了深　远的影响。１９８３年Ｒｉｌｌｅｙ［“】等从应用题语义的角度，将一步加　减应用题分为三大类（转移问题、组合问题和比较问题）１４小　类。１９８５年Ｋｉｎｔｓｃｈｆ坨】等从认知心理角度对人解决小学一步加　减应用题的认知过程进行了细致深入地分析，提出了问题框架　的表征模型。１９８６年由Ｄｅｌｌａｒｏｓａ［１３１等开发的ＡＲＩＴＨＰＲＯ系统　正是以这两个理论为理论基础，模拟人的认知过程实现了一步　加减算术应用题的自动求解。严格来讲，ＡＲＩＴＨＰＲＯ系统并非　真正实现了问题的自然语言理解，其理解的起点是一系列命题　形式的句子。例如“霍顿斯有５美分”，向系统输入的命题句　“（（Ｐｌ（ＥＱＵＡＬ　ＸＨＯＲＴＥＮＳＥ））（Ｐ２（ＨＡＶＥ　Ｘ　Ｐ３））（Ｐ３（ＦＩＶＥ　ＤＩＭＥＳ）））”。该系统将实现问题理解所需的知识分为三类：关　于词的知识（根据每个单词的语义功能存储为一个词典，具体　如图３所示）、关于命题的知识（存储为一系列的产生式规则），　以及关于文本结构的知识（存储为一系列的产生式规则）。　ＡＲＩＴＨＰＲＯ系统整个的理解过程是：（１）首先将输入的命题集　合与词典进行匹配，识别出每个词的所属类型；（２）根据单词　所属类型激活相应的命题规则；（３）命题规则激活相应的问题　框架，填充问题框架实现语义理解。最终基于这些问题框架实　现问题的求解。　与之前的其他系统相比，虽然ＡＲＩＴＨＰＲＯ系统能够解决　的题目很简单（仅限于一步加减应用题），但从整个研究领域　的发展来看却有较大的贡献。具体体现为以下几点：　（１）是第一个模拟人的认知过程进行问题求解的系统，　即先将问题转换为表征模型（问题框架）再进行问题求解。这　样使得系统在完成自动解答的同时，其求解过程还能够与学生　的问题求解过程进行比较，从而实现对学生问题求解过程的诊　断和辅导。　（２）首次利用词语的语义分类，而非句法分类对词语进　行分析。这种思路使得系统能够理解的题目不再依赖那些有限　的关键词。　１０５　图３　ＡＲＩＴＨＰＲ０系统词典的示意图　虽然ＡＲＩＴＨＰＲＯ系统构建的词典所包含的单词数量很有　限，而且并没有解决由自然语言文本到命题逻辑的转换，但其　方法为以后的研究提供了一定的基础。　之后出现的ＡＬＢＥＲＴ系统【１　４］（能够自动求解运动学问题）　也采用了类似的思路。依据词语的语义功能将词语分成２５类，　并依据２５类词语构建了１００个通用句式。在理解问题时，首　先进行词语的匹配，将句子解析为多个字符串，将字符串与句　式进行匹配，进而实现理解。　从第一个自动问题求解系统ＳＴＵＤＥＮＴ到ＡＬＢＥＲＴ近２Ｏ　年的时间里，虽然从问题的语义理解方法上有所改进，例如由　通过匹配关键词直接将文本转换为关系模型，到借助多个表征　形式或语义词典完成语义理解。但从应用层面来讲，整个研究　仍处于实验研究阶段，离具体实用还有相当的距离。也可以说，　近２０年的发展并没实质性的突破，能够解决的问题依然受语　言表述限制，问题类型限制。所有这些似乎也降低了人们对该　领域研究的热情，导致２０世纪末２１世纪初的研究成果较少，　所使用的方法也多与之前的系统相似［　】【　。　３近期的研究成果　９０年代后，在自然语言理解领域研究中，基于统计的经验　主义方法逐渐被人们所重视。建立在大量语料库基础上的统计　方法，使得自然语言理解取得了较好的效果［１７］。大型的知识库、　本体库、语料库的构建，使得许多自然语言理解项目走出实验　室，进入到实用阶段。这一发展变化对教育领域也产生了重大　的影响，重新点燃了人们对问题自动求解系统研究的热情。　２００７年由Ｗｉｎｇ－ＫｗｏｎｇＷｏｎｇ等开发的ＬＩＭ－Ｇ系统，借助构建　的Ｉｎｆｏ．ｍａｐ本体知识库实现了一步加减几何应用题的自动解答　【ｌ　。ＬＩＭ．Ｇ系统的知识库中ＣＡＴＥＧＯＲＹ（类型）节点下包含　了一步几何应用题的类型以及各个类型应该具备的己知和未　知；ＰＲＯＰＥＲＴＹ（属性）节点下包含了表述已知条件和未知条　件可能的所有句式；Ｌｅｘｉｃｏｎ（词汇）节点包含了表述不同几何　形状，以及不同几何量可能用到的所有词汇。ＬＩＭ．Ｇ系统进行　１０６　语义理解的过程是，首先将题目文本中的所有词语与ＩｎｆｏｒＭａｐ　中的词汇进行匹配，由此确定问题所涉及的概念，进一步计算　这些概念可能属于那个问题类型，最终将可能性最大的类型确　定为该问题的题型。实验表明，ＬＩＭ．Ｇ系统能够完全正确理解　的一步几何应用题为其样本量的８５％，部分理解的为１５％，完　全不理解的为Ｏ％。　基本与ＬＩＭ．Ｇ系统同期出现的是我国研究者程志　】开　发的支持汉语的小学数学整数一步和部分二步应用题自动求　解系统。该系统概括归纳了各个题型的结构特征，依据不同题　型的结构特征构建了关键词串。这些关键词串是由应用题中的　关键词和其他的词语构成的句子表述模式。其他词语使用知网　作为支撑。例如在加减两步计算应用题中，程志又将该类型细　化分为４种子类，其中的一个子类为“已知一个部分数和另一　个部分数（已知较小数／较大数与相差数，求较大数／较小数），　求总数”，　该类型所对应的关键词串为　“［ｗ】【ＫＥＹｗｏＲＤ￣Ｉｔｅｍ１］［Ｗ］［，】［ｗⅡｗ—　：比，ＤＥＦ＝ｃｏｍｐａｒｅｆ　比较】【ｗ］［ｗ—Ｃ＝多，ＤＥＦ＝ｑＶａｌｕｅＩ数量值，ａｍｏｕｎｔＩ多少，ｍａｎｙＩ　多］／【ｗ＿Ｃ＝少，ＤＥＦ＝ｑＶａｌｕｅＩ数量值，ａｍｏｕｎｔ１多少，ｆｅｗＩ　少】【ｗ】【，】［ｗ】【ｗ＝—　共，ＤＥＦ＝ａＶａｌｕｅｌ属性值，ｒａｎｇｅｌ幅度，ａｌｌＩ　全】［ｗ］”。应用题的识别过程是利用知网进行同义词相似度计　算，再与关键词串进行匹配，找到与待解决的应用题一致的关　键词串，进而确定应用题类型并完成解题。　图４语义句模的Ｉａｐｅ规则示例　ＬＩＭ．Ｇ系统与我国学者程志开发的系统的共同之处在　于，都使用大型知识库做支撑，实现词语和句式的匹配，在　一定程度上解决了数学应用题中丰富情境信息的理解问题。　但其将问题直接与题型匹配完成问题求解的思路，使得系统　能够求解的问题受题型限制和解题步数限制。为此，我国研　究者马玉慧（　。］以Ｋｉｎｔｓｃｈ等提出的问题表征模型为基础，利用　汉语言学中旬模的研究成果，构建了能够求解我国小学数学　第一学段应用题的问题自动解答系统，并提出了基于语义句　模的语义理解方法。该方法模拟人理解问题的过程，即将用　自然语言表述的文本转换成相应的问题框架。具体步骤为：　（１）根据题型的语义分类，将应用题句子分为１０类；（２）　将句子经过分词后进行词频统计，找出高频词（即关键词）；　（３）构建情境知识库；（４）针对每个句子类型构建语义句模　库：（５）将经过预处理后的句子与语义句模匹配，用以识别　一个句子内词语间的语义关系；（６）根据匹配的句模类型，　以及情境知识库，识别句子间的语义关系，即数据对象间的　关系。该系统共整理了７９个语义句模，采用基于自然语言处　理工具ＧＡＴＥ的Ｊａｐｅ规则表示法进行知识表示，构建了语义　句模库，图４是其中一个语义句模的示例。实验结果表明，　对收集的１０２道应用题，完全理解率为８２．４％，部分理解率为　１７．６％，完全不理解率为０％。　二结论　由于六、七十年代人工智能研究热潮的兴起以及人们对　人工智能的过高期待，也引发了人们对自动求解系统研究的　热情。因此，六、七十年代出现了不少的研究成果。与近期　出现的系统相比，当时的系统能够解决更复杂些的问题，但　是这些系统可以理解的问题很有限，多数只能理解和解决几　十道某类型的问题。究其原因可以归结为以下几点：　（１）大多数系统进行语义理解的思路是先进行句法分　析，再实现语义理解。而句法分析的思路多采用基于规则的　理性主义方法，这使得在句法分析层面的准确率就不理想，　在此基础上建立的语义理解就差强人意了。　（２）缺少大型知识库的支撑，过于依赖关键词。现实中　的问题多具有丰富的情境信息，这些情境信息千变万化，表　述方式也各有不同。而这些系统缺少大型知识库的支撑，对　问题的理解多依赖关键词，通过匹配关键词和有限的与数字　描述相关的句式实现语义理解。这样导致系统能够理解和解　决的问题很有限，不能理解那些没有关键词和特定句式的问　题。　进入八十年代后，由于认知心理学关于问题解决研究的　发展，开始有研究者模拟人的认知过程实现问题求解。尽管　只完成了一步算术加减应用题的求解，但其模拟人解决问题　的思路（自然语言文本一一＞表征模型一一＞问题求解），对后　来的研究产生了深远的影响。同时代，也开始有研究者尝试　通过创建基于词语分类和大量句式的知识库方法实现语义理　解。这样的方法为系统走出实验室提供了基础。因此，如果　说六十年代开启了自动求解智能教学研究的先河，那么八十　年代的研究成果可以说具有里程碑的意义。　但由于计算机硬件条件的限制以及整个自然语言理解研　究成果的局限，该领域在九十年代并未取得实质性的研究进　展。近几年，由于计算机硬件技术的飞速发展，以及自然语　言理解的研究由完全的基于规则的理性主义转变为基于统计　的经验主义以及两者的结合，使得自动求解系统中语义理解　的研究方法也发生了变化。研究者开始借助大型知识库，使　得问题的语义理解不再依赖固定的关键词和简单的句式，能　够实现情境复杂问题的语义理解。　正如整个自然语言理解领域的研究一样，虽然目前自动　求解智能教学系统中语义理解的准确率还未能达到理解的效　果，能够理解的问题依然有限。但近５０年的研究还是取得了　不少的研究成果，积累了一定的经验。可以总结为以下几点：　（１）生成问题的内部表征是语义理解的方向。　认知心理学的研究表明，理解问题意味着根据当时的情　境或问题的表述，以及个体先前的知识在大脑中建构出某种　对问题的表征。推理和求解就是基于这些表征的。因此，产　生一个正确的问题表征是成功解决问题的一个最重要的因　素。【　】计算机实现问题自动求解的第一步也应为形成问题的　正确表征，这样才能进行推理。类似于ＬＩＭ—Ｇ和程志等开发　的系统则是直接将问题与题型匹配，没有形成问题表征，因　此能够解决的问题势必受问题解决步数限制。早期的多数系　统以逻辑谓词的方式形成了问题表征，ＡＲＩＴＨＰＲＯ系统以及　马玉慧等开发的系统形成了基于框架的问题表征，这样在计　算机内部进行推理时就可以基于这些问题表征进行，使得能　够解决的问题不受步数限制。虽然问题所涉及的学科不同、　类型不同，所对应的语义不同，问题的表征就会不同。相应　地由自然语言文本转换成问题表征的方法可能不尽相同。但　若实现多步问题的理解，都要执行由文本到问题表征的转换。　因此，可以说形成问题表征是计算机进行语义理解的方向。　（２）知识库是语义理解的基础。　由于待解决的问题中包含大量丰富的情境信息，不仅所　涉及的词语千变万化，使用的句型（特别是高年级的问题）　也很复杂。对于知识丰富型问题的语义理解，如果仅依靠有　限的关键词和常用句式，能够解决的问题很有限，也只能是　实验室的“玩具”。因此，包含大量词语信息、句式以及词语　间特定领域语义关系的大型知识库，是进行语义理解的基础。　（３）借鉴认知领域研究成果是语义理解的趋势。　近年来，认知心理学在问题解决方面已经取得了不少研　究成果，特别是关于问题表征以及问题解决策略研究，为实　现问题的自动求解提供了理论基础。与传统的基于转换生成　语言学不同，认知语言学则以人的经验和认知为出发点，以　意义研究为中心，揭示语言背后的认知规律。根据已有的问　题求解系统中的语义理解研究表明，借鉴认知科学的研究成　果，与纯粹的基于计算方法相比，能够取得更好的效果。因　此，借鉴认知领域的研究成果将成为语义理解研究的趋势。　１０７　三面临的挑战　尽管该研究已经取得了丰硕成果。但同时也面临着许多　新的挑战和尚未解决的问题。　（１）现有的语义理解方法都是基于规则的方法，实现完　全正确理解的准确率还有待提高。采用基于统计的方法，或　两者结合的方法是否会提高准确率，还有待进一步研究。　（２）目前该研究领域还没有一个公用的测试数据集（即　测试题目），因此无法评价针对不同学科、不同问题类型提出　的不同方法的各自性能。　（３）大量实验研究表明，学生能否正确解决问题与能否　建立正确的问题表征有直接的关系［２２］【　，在错误的、不完整　的问题空间中探索不可能求得问题的正确解。因此指导与诊　断学生形成正确的问题表征具有重要意义。如何将计算机进　行语义理解后生成的问题表征用于指导和诊断学生形成的问　题表征还有待进一步研究。　参考文献　［１】赵建华．智能教学系统概述［Ｊ］．中国电化教育，２００７，（７）：５—１２．　［２】陈仕品，张剑平．智能教学系统的研究热点与发展趋势［Ｊ】－　中国电化教育，２００７，（１０）：４１．５０．　［３】余金昌．网络课程答疑系统的研究与实现［Ｊ］．中国电化教　育，２００６，（６）：１０５—１０７．　［４］李爽，陈丽．国内外网上智能答疑系统比较研究［Ｊ］．中国电　化教育，２００３，（１）：８０　８３．　［５１　Ａｎｇｅｌ　Ｆ．Ｚａｚｏ，Ｃａｒｌｏｓ　Ｇ．Ｆｉｇｕｅｒｏｌａ，Ｊｏｓ６　Ｌ．Ａｌｏｎｓｏ　Ｂｅｒｒｏｃａｌ，　Ｅｍｉｌｉｏ　Ｒｏｄｒｉｇｕｅｚ．　ｒｅｆｏｒｍｕｌａｔｉｏｎ　ｏｆ　ｑｕｅｒｉｅｓ　ｕｓｉｎｇ　ｓｉｍｉｌａｒｉｔｙ［Ｊ］．Ｉｎｆｏｒｍａｔｉｏｎ　Ｐｒｏｃｅｓｓｉｎｇ＆Ｍａｎａｇｅｍｅｎｔ，２００５，　４１（９）：１１６３－１１７３．　［６］Ｂｏｂｒｏｗ　ＤＧ．Ｎａｔｕｒａｌ　Ｌａｎｇｕａｇｅ　Ｉｎｐｕｔ　ｆｏｒ　ａ　Ｃｏｍｐｕｔｅｒ　Ｐｒｏｂｌｅｍ　Ｓｏｌｖｉｎｇ　Ｓｙｓｔｅｍ［Ｍ］．Ｒｅｐｏｒｔ　ＭＡＣ－ＴＲ－１，Ｐｒｏｊｅｃｔ　ＭＡＣ，ＭＩＴ，　Ｃａｍｂｒｉｄｇｅ，１９６４．　【７】Ｃｈａｒｎｉａｋ　Ｅ．Ｃｏｍｐｕｔｅｒ　ｓｏｌｕｔｉｏｎ　ｏｆ　ｃａｌｃｕｌｕｓ　ｗｏｒｄ　ｐｒｏｂｌｅｍｓ　［Ａ】．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｊｏｉｎｔ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ａｒｔｉｉｆｃｉａｌ　ｉｎｔｅｌｌｉｇｅｎｃｅ［Ｃ】．Ｗａｓｈｉｎｇｔｏｎ，ＤＣ：１９６９：３０３—３１６．　［８】Ｇｅｌｂ　ＪＰ，Ｅｘｐｅｒｉｍｅｎｔｓ　ｗｉｔｈ　ａ　ｎａｔｕｒａｌ　ｌｎａｇｕａｇｅ　ｐｒｏｂｌｅｍ　ｓｏｌｖｉｎｇ　ｓｙｓｔｅｍ［Ａ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２ｎｄ　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｊｏｉｎｔ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ａｒｔｉｉｆｃｉａｌ　ｉｎｔｅｌｌｉｇｅｎｃｅ［Ｃ］．Ｌｏｎｄｏｎ，　Ｅｎｇｌａｎｄ：１９７１：５６５－５７１．　［９］Ｄｅ　Ｋｌｅｅｒ　Ｊ．Ｍｕｌｔｉｐｌｅｓ　ｒｅｐｒｅｓｅｎｔａｔｉｏｎ　ｏｆ　ｋｎｏｗｌｅｄｇｅ　ｉｎ　ａ　ｍｅｃｈａｎｉｃｓ　ｐｒｏｂｌｅｍ－ｓｏｌｖｅｒ［Ａ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　５ｔｈ　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｊｏｉｎｔ　ｃｏｎｆｅｒｅｎｃｅ　０ｎ　Ａｒｔｉｉｆｃｉａｌ　ｉｎｔｅｌｌｉｇｅｎｃｅ［Ｃ］．　Ｓａｎ　Ｆｒａｎｃｉｓｃｏ．　Ｍｏｒｇａｎ　Ｋａｕｆｍａｎｎ　ｐｕｂｌｉｓｈｅｒｓ　Ｉｎｃ：　１　９７７：２９９．３０４．　１Ｏ８　［１０】Ｇｏｒｄｏｎ　Ｓ．Ｎｏｖａｋ．Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ　ｏｆｋｎｏｗｌｅｄｇｅ　ｉｎ　ａ　ｐｒｏｇｒａｍ　ｆｏｒ　ｓｏｌｖｉｎｇ　ｐｈｙｓｉｃｓ　ｐｒｏｂｌｅｍｓ．【Ａ］Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｈｔｅ　５ｔｈ　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｊｏｉｎｔ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ａｒｔｉｉｆｃｉａｌ　ｉｎｔｅｌｌｉｇｅｎｃｅ［ｃ】．　Ｓａｎ　Ｆｒａｎｃｉｓｃｏ．　Ｍｏｒｇａｎ　Ｋａｕｆｍａｎｎ　ｐｕｂｌｉｓｈｅｒｓ　Ｉｎｃ：　１９７７：２８６．２９１．　［１　ｌ】Ｒｉｌｅｙ，Ｍ．Ｓ．，Ｇｒｅｅｎｏ，Ｊ．Ｇ，＆Ｈｅｌｌｅｒ，Ｊ．１．Ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　Ｃｈｉｌｄｒｅｎ’Ｓ　Ｐｒｏｂｌｅｍ—Ｓｏｌｖｉｎｇ　Ａｂｉｌｉｙｔ　ｉｎ　Ａｒｉｔｈｍｅｔｉｃ［Ｍ］．Ｎｅｗ　Ｙｏｒｋ：Ａｃａｄｅｍｉｃ　Ｐｒｅｓｓ，１９８３．　【１２】Ｗａｌｔｅｒ　Ｋｉｎｔｓｃｈ，Ｊａｍｅｓ　ＧＧｒｅｅｎｏ．Ｕｎｄｅｒｓｔａｎｄｉｎｇ　ａｎｄ　ｓｏｌｖｉｎｇ　ｗｏｒｄ　ａｒｉｔｈｍｅｔｉｃ　ｐｒｏｂｌｅｍｓ　［Ｊ］．Ｐｓｙｃｈｏｌｏｇｙ　Ｒｅｖｉｅｗ，１９８５，（９２）　】０９—１２９．　［１３】Ｄｅｎｉｓｅ　Ｄｅｌｌａｒｏｓａ．Ａ　ｃｏｍｐｕｔｅｒ　ｓｉｍｕｌａｔｉｏｎ　ｏｆ　ｃｈｉｌｒｄｅｎ＇ｓ　ａｒｉｔｈｍｅｔｉｃ　ｗｏｒｄ　ｐｒｏｂｌｅｍ　ｓｏｌｖｉｎｇ［Ｊ］．Ｂｅｈａｖｉｏｒ　Ｒｅｓｅａｒｃｈ　Ｍｅｔｈｏｄｓ，Ｉｎｓｔｒｕｍｅｎｔｓ＆Ｃｏｍｐｕｔｅｒｓ．１９８６，１８（２）：１４７－１５４．　［１４］Ｏｂｅｒｅｍ　ＧＥ．ＡＬＢＥＲＴ：ａ　ｐｈｙｓｉｃｓ　ｐｒｏｂｌｅｍ　ｓｏｌｖｉｎｇ　ｍｏｎｉｔｏｒ　ａｎｄ　ｃｏａｃｈ［Ａ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ｆｉｒｓｔ　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ｃｏｍｐｕｔｅｒ　ａｓｓｉｓｔｅｄ　ｌｅｒａｎｉｎｇ［Ｃ］．Ｃａｌｇａｒｙ　Ａｌｂｅｒｔａ，Ｃａｎａｄａ：１９８７：１７９－１８４．　［１　５］Ｏｂｅｒｅｍ　ＧＥ．Ｔｒａｎｓｆｅｒ　ｏｆ　ａ　ｎａｔｕｒａｌ　ｌａｎｇｕａｇｅ　ｓｙｓｔｅｍ　ｆｏｒ　ｐｒｏｂｌｅｍ—ｓｏｌｖｉｎｇ　ｉｎ　ｐｈｙｓｉｃｓ　ｔｏ　ｏｔｈｅｒ　ｄｏｍａｉｎｓ［Ａ］．　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＥＤ・－ＭＥＤＩＡ　－ｗｏｒｌｄ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ｅｄｕｃａｔｉｏｎａｌ　ｍｕｌｔｉｍｅｄｉａ　ａｎｄ　ｈｙｐｅｒｍｅｄｉａ［Ｃ］．Ｖａｎｃｏｕｖｅｒ，　Ｂｒｉｔｉｓｈ　Ｃｏｌｕｒｎｂｉａ：４２４－４３　１．　［１６】Ｎｏｖａｋ　ＧＳ，Ｂｕｌｋｏ　ＷＣ．Ｄｉａ￣ａｍｓ　ａｎｄ　Ｔｅｘｔ　ａｓ　Ｃｏｍｐｕｔｅｒ　Ｉｎｐｕｔ［Ｊ】．Ｊｏｕｒｎａｌ　ｏｆ　Ｖｉｓｕａｌ　Ｌａｎｇｕａｇｅｓ　ａｎｄ　Ｃｏｍｐｕｔｉｎｇ，　１９９３，（４）：１６１－１７５．　【１７】宗成庆．统计自然语言处理［Ｍ】．北京：清华大学出版　社。２００８．　［１　８］　Ｗｏｎｇ　Ｗｉｎｇ－Ｋｗｏｎｇ，Ｈｓｕ　Ｓｈｅｎｇ－Ｃｈｅｎｇ，　Ｗｕ　Ｓｈｉ—Ｈｕｎｇ．ＬＩＭ—Ｇ：Ｌｅａｒｎｅｒ－ｉｎｉｔｉａｔｉｎｇ　ｉｎｓｔｒｕｃｔｉｏｎ　ｍｏｄｅｌ　ｂａｓｅｄ　ｏｎ　ｃｏｇｎｉｔｉｖｅ　ｋｎｏｗｌｅｄｇｅ　ｆｏｒ　ｇｅｏｍｅｔｒｙ　ｗｏｒｄ　ｐｒｏｂｌｅｍ　ｃｏｍｐｒｅｈｅｎｓｉｏｎ［Ｊ］，Ｃｏｍｐｕｔｅｒｓ＆Ｅｄｕｃａｔｉｏｎ．２００７，４８（４）：　５８２－６０１．　［１９】程志．，Ｊ、学算术应用题自动解答系统一一以整数一、二步　和分数基本应用题为例［Ｄ】．北京：北京师范大学，２００８．　［２Ｏ］马玉慧小学算术应用题自动解答的框架表征及演算方　法研究［Ｄ】．北京：北京师范大学，２０１０．　［２１】张奇．问题解决心理学【Ｍ】．北京：中国轻工业出版　社，２００４．　［２２】胥兴春，刘电芝．问题表征方式与数学问题解决的　研究［Ｊ】．心理科学进展，２００２，（３）：２６４．２６９．　［２３］路海东，董妍，王晓平．／Ｊ、学生数学应用题解决的认知机制　研究［Ｊ］．心理科学，２００４，（４）：８６７．８７０．　（下转第１０３页）　＜ｈｔｔｐ：／／ｗｗｗ．ｄｉｓｔｒｉｃｔａｄｍｉｎｉｓｔｒａｔｉｏｎ．ｃｏｍ／ａｒｔｉｃｌｅ／ｉＰａｄ％Ｅ２％８　ｈｏｏｌ—ｓｔａｎｆｏｒｄ－ｙｉｅｌｄｓ－ｔｏｕｃｈｓｃｒｅｅｎ－ｂｒａｉｌｌｅ－ｗｒｉｔｉｎｇ－ｉｎｔｅｒｆａｃｅ．＞　０％９４ｂｒｅａｋｉｎｇ—ｎｅｗ－ｇｒｏｕｎｄ—ｓｐｅｃｉａｌ—ｅｄｕｃａｔｉｏｎ．＞　［９】Ａｌａｎ　Ｖａｇｌｉｖｅｌｏ．Ｔｈｅ　Ｕｓｅ　ｏｆ　ｉＰａｄ’Ｓ　ｆｏｒ　Ｓｐｅｃｉａｌ　Ｅｄｕｃａｔｉｏｎ　［ＥＢ／ＯＬ］．　＜ｈｔｔｐ：／／ｍｏｎｒｏｅ．ｐａｔｃｈ．ｃｏｒｒｆｆｂｌｏｇｐｏｓｔｓ／ｔｈｅ－ｕｓｅ－ｏ￣ｉｐａｄｓ－ｆｏｒ－ｓ　＿＿［７】Ｓｕｅ　Ａｕｓｔｒｅｎｇ．ｉＰａｄ　ｐｉｌｏｔ　ｐｒｏｇｒａｍ　ｂｒｉｎｇｓ　ｎｅｗ　ｉｄｅａｓ　ｔｏ　ｓｐｅｃｉａｌ　ｅｄｕｃａｔｉｏｎ［ＥＢ／ＯＬ］．　＜ｈｔｔｐ：／／ａｂｃｎｅｗｓｐａｐｅｒｓ．ｃｏｍ／２０１　１／０１／１７／ｉＰａｄ－ｐｉｌｏｔ－ｐｒｏｇｒａｍ－　ｂｒｉｎｇｓ－ｎｅｗ—ｉｄｅａｓ－ｔｏ—ｓｐｅｃｉａｌ—ｅｄｕｃａｔｉｏｎ．＞　ｐｅｃｉａｌ　ｅｄｕｃａｔｉｏｎ．＞　［１０］Ｅｒｉｃ　Ｓａｉｌｅｒｓ．ｉＰｈｏｎｅ，ｉＰａｄ　ａｎｄ　ｉＰｏｄ　ｔｏｕｃｈ　Ａｐｐｓ　ｆｏｒ（Ｓｐｅｃｉａ１）　Ｅｄｕｃａｔｉｏｎ［ＥＢ／ＯＬ］．　＜ｈｔｔｐ：／／ｗｗｗ．ｓｃｒｉｂｄ．ｃｏｍ／ｄｏｃ／２４４７０３３　１／ｉＰｈｏｎｅ－ｉＰａｄ－ａｎｄ・ｉＰｏ　ｄ－ｔｏｕｃｈ—Ａｐｐｓ—ｆｏｒ－Ｓｐｅｃｉａｌ—Ｅｄｕｃａｔｉｏｎ．＞　［８］Ｃｌａｙ　Ｄｉｌｌｏｗ．Ｖｉｄｅｏ：Ｓｕｍｍｅｒ　Ｓｃｈｏｏｌ　ａｔ　Ｓｔａｎｆｏｒｄ　Ｙｉｅｌｄｓ　ａ　Ｗａｙ　ｔｏ　Ｗｒｉｔｅ　Ｂｒａｉｌｌｅ　ｏｎ　Ｙｏｕｒ　ｉＰａｄ［ＥＢ／ＯＬ］．　＜ｈｔａｐ：／／ｗｗｗ．ｐｏｐｓｃｉ．ｃｏｍ／ｇａｄｇｅｔｓ／ａｒｔｉｃｌｅ／２０１　１－１　０／ｓｕｍｍｅｒ－ｓｃ　Ｓｔｕｄｙ　ｏｎ　Ｒｅｓｅａｒｃｈ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｔａｂｌｅｔ　Ａｐｐｓ　ｆｏｒ　Ｓｐｅｃｉａｌ　Ｅｄｕｃａｔｉｏｎ　ＬＩ　Ｑｉｎｇ　ＷＡＮＧＴａｏ　（ＳｃｈｏｏｌｏｆＮｅｔｗｏｒｋｅｄＥｄｕｃａｔｉｏｎ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓ￣ａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｂｅｉｊ＇ｉｎｇ１００８７６，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔａｂｌｅｔｓ　ｉｓ　ａ　ｎｅｗ　ｃａｔｅｇｏｒｙ　ｏｆｍｏｂｉｌｅ　ｄｅｖｉｃｅｓ，ｗｈｉｃｈ　ｍａｙ　ｐｒｏｍｏｔｅ　ｔｈｅ　ＩＣＴ　ｉｎ　ｓｐｅｃｉａｌ　ｅｄｕｃａｔｉｏｎ　ｎｄ　ｉａｍｐｒｏｖｅ　ｌｅａｒｎｉｎｇ　ｏｆ　ｄｉｓａｂｌｅｄ　ｐｅｒｓｏｎ．Ｔｈｉｓ　ａｒｔｉｃｌｅ　ｍａｄｅ　ｓｏｍｅ　ｌｉｔｅｒａｔｕｒｅ　ｒｅｓｅａｒｃｈ　ｏｎ　ｔａｂｌｅｔ　ａｐｐｓ　ｏｒｆ　ｓｐｅｃｉａｌ　ｅｄｕｃａｔｉｏｎ，ｃａｔｅｇｏｒｉｚｅｄ　ｔｈｅｍ　ｉｎｔｏ　ｏｂｊｅｃｔｉｖｅｓ，　ａｐｐｌｉｃａｔｉｏｎ　ｆｉｅｌｄｓ　ａｎｄ　ｓｐｅｃｉａｌｉｚａｔｉｏｎ，ａｎｄ　ｄｉｓｃｕｓｓｅｄ　ｔｈｅ　ｆｅａｔｕｒｅｓ　ａｎｄ　ｄｅｓｉｇｎ　ｐｒｉｎｃｉｐｌｅｓ　ｏｆ　ｔｈｅｍ．Ｔｈｅ　ａｕｔｈｏｒ　ａｌｓｏ　ｄｉｄ　ｍａｒｋｅｔ　ｎａｌａｙｓｉｓ　ｏｎ　ａｐｐｓ　ｆｏｒ　ｓｐｅｃｉａｌ　ｅｄｕｃａｔｉｏｎ　ａｎｄ　ｅｘｐｏｕｎｄｅｄ　ｃｕｒｒｅｎｔ　ｐｒｏｂｌｅｍｓ　ａｎｄ　ｆｕｔｕｒｅ￣ｅｎｄｓ　ｏｆ　ｉｔｓ　ｄｅｖｅｌｏｐｍｅｎｔ．　Ｋｅｙｗｏｒｄｓ：ｔａｂｌｅｔ　ａｐｐ；ｓｐｅｃｉａｌ　ｅｄｕｃａｔｉｏｎ；ｅｄｕｃａｔｉｏｎ　ｓｏｆｔｗａｒｅ；ｍｏｂｉｌｅ　ｌｅａｒｎｉｎｇ　・基金项目：本项研究为ＷｏＴ重大专项课题“基于Ｗｅｂ的无线泛在业务环境体系架构、关键技术研究与演示验证”（２０１２ＺＸ０３００５００８）　和教育部人文社会科学基金资助项目“泛在学习视域下的本科实践教学活动创新模式研究”（１　０ＹＪＣ８８００６９）阶段研究成果。　作者简介：李青，理学博士，北京邮电大学网络教育学院副教授，硕士生导师，主要研究方向：远程教育、数字化学习环境、移　动学习等。　收稿日期：２０１２年５月４日　编辑：小西　（上接第１０８页）　Ａ　Ｒｅｖｉｅｗ　ｏｆ　ｔｈｅ　Ｍｅｔｈｏｄ　ｏｆ　Ｓｅｍａｎｔｉｃ　Ａｎａｌｙｓｉｓ　ｉｎ　ｔｈｅ　Ａｕｔｏｍａｔｅｄ　Ｐｒｏｂｌｅｍ　Ｓｏｌｖｉｎｇ　ｏｆ　ＩＴＳ　ＭＡ　Ｙｕ－ｈｕｉ　ＴＡＮ　Ｋａｉ　ＳＨＡＮＧ　Ｘｉａｏｄｉｎｇ　ＧＵＯ　Ｘｉａｏ—ｐｅｎｇ　（Ｅｄｕｃａｔｉｏｎａｌ　Ｔｅｃｈｎｏｌｏｇｙ　Ｉｎｓｔｉｔｕｔｅ，Ｂｏｈａｉ　Ｕｎｉｖｅｒｓｉｔｙ，Ｊｉｎｚｈｏｕ，Ｌｉａｏｎｉｎｇ　１２１０００，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｉｓ　ｐａｐｅｒ　ｒｅｖｉｅｗｅｄ　ｔｈｅ　ｍｅｔｈｏｄ　ｏｆ　ｓｅｍａｎｔｉｃ　ａｎａｌｙｓｉｓ　ｉｎ　ｔｈｅ　ａｕｔｏｍａｔｅｄ　ｐｒｏｂｌｅｍ　ｓｏｌｖｉｎｇ　ｏｆ　ｌＴＳ　ｉｎ　ｈｅ　ｒｅｃｅｎｔｌｔｙ　ｆｉｆｔｙ　ｙｅａｒｓ。Ｔｈｅ　ｍｅｔｈｏｄｓ　ｏｆ　ｓｅｍａｎｔｉｃ　ｉｎ　ｔｈｅ　ｄｉｆｆｅｒｅｎｔ　ｙｅａｒｓ　ａｒｅ　ｃｏｍｐａＲｅｄ．Ｔｈｅ　ｒｅａｓｏｎ　ｔｈａｔ　ｈｅ　ｔｐｒｏｂｌｅｍｓ　ｗｅｒｅ　ｃｏｎｓｔｒａｉｎｅｄ　ｆｏｒ　ｓｏｌｖｉｎｇ　ｉｓ　ｃｏｎｃｌｕｄｅｄ．Ａｎｄ　ｔｈｉｓ　ｐａｐｅｒ　ｃｏｎｃｌｕｄｅｓ　ｔｈａｔ　ｈｅ　ｔｒｅｐｒｅｓｅｎｔａｔｉｏｎ　ｉｓ　ｔｈｅ　ｄｉｒｅｃｔｉｏｎ　ｏｆ　ｓｅｍａｎｔｉｃ　ａｎａｌｙｓｉｓ，ｔｈｅ　ｋｎｏｗｌｅｄｇｅ　ｂａｓｅ　ｉｓ　ｔｈｅ　ｂａｓｉｃ　ｏｆ　ｓｅｍａｎｔｉｃ　ａｎａｌｙｓｉｓ，　ｎｄ　ａｉｎｉｔｉａｔｉｎｇ　ｔｈｅ　ｒｅｓｅａｒｃｈｅｄ　ｏｆ　ｃｏｇｎｉｔｉｖｅ　ｐｓｙｃｈｏｌｏｇｙ　ｉｓ　ｔｈｅ　ｔｒｅｎｄ．Ｔｈｅ　ｐｒｏｂｌｅｍｓ　ａｎｄ　ｃｈａｌｌｅｎｇｅｓ　ａｒｅ　ｇｉｖｅｎ　ａｔ　ｌａｓｔ．　Ｋｅｙｗｏｒｄｓ：ＩＴＳ；ｓｅｍａｎｔｉｃ　ａｎａｌｙｓｉｓ；ｎａｔｕｒａｌ　ｌａｎｇｕａｇｅ　ｐｒｏｃｅｓｓｉｎｇ；ａｕｔｏｍａｔｅｄ　ｐｒｏｂｌｅｍ　ｓｏｌｖｉｎｇ　作者简介：马玉慧，渤海大学教育与体育学院副教授，研究方向：人工智能在教育中的应用。　收稿日期：２　０１　２年３月１　６日　编辑：小西　１０３