--- tags: Thesis --- # 論文摘要與成果 Abstract ## 04/29 俊達 隨著人工智慧近年來的蓬勃發展，在教育方面也以數位教學平台的角度切入，針對「個人化學習體驗」和「智慧型教學助理」兩大面向，協助孩童的學習。本論文以設計小學數學應用題(Math Word Problem, MWP)的智慧型教學對話機器人為目標，並對自然語言理解所面臨的挑戰，提出兩種新穎的模型：「準則式方法」和「簡化框架法」。 準則式方法(Principle-based Approach, PBA)，是一種較容易解釋其決策過程的機器學習，可以自動分群，並在每群找出一個代表的「準則」，在小學數學應用題的場域中作為語言分析的模型。根據實驗統計，4條準則即可涵蓋超過50%的句子，顯示此方法可有效降低句意理解的複雜度。 簡化框架法(Simplified Frame Approach, SFA)，則是利用PBA的結果，將準則再進行更高一層次地處理，以簡化小學數學應用題中，題意理解所需要的計算概念框架元件，並可藉由這些元件，進行題目的分類、動詞蘊含推論、解題乃至於計算過程的解釋。 本論文提出智慧型解題機器人所需要的模組，針對題型多變的小學數學應用題，藉由兩種模型進行良好的區分，並對於需要外部知識的複雜題目，能達到較高的解題成功準確率。 ## 04/06 俊達 準則式語言模型(Principle-based Approach, PBA)，是一種較容易解釋其決策過程的機器學習，可以自動分群，並在每群找出一個代表的「準則」。根據在小學數學文字應用題的實驗，7條準則即可涵蓋超過50%的句子，顯示方法可有效降低句意理解的複雜度。簡化框架法(Simplified Frame Approach, SFA)，則是利用PBA的結果，進一步將準則再處理，以簡化小學數學文字應用題中，題意理解所需要的計算概念框架元件，並可藉由這些元件，進行後續的推理、解題乃至於解釋。 ## 04/29 皇穀 早在1950年代開始，自然語言便是人工智慧當中相當重要的一門研究。然而在這個人工智慧的各領域都蓬勃發展的時代中，自然語言處理的發展卻是最慢的。其中不乏其課題的不確定性以及抽象概念的描述困難。尤其是自然語言通常涵蓋了我們生活中的大小事務，並不像其他研究能夠限縮研究範圍。但是各個領域的研究有所收穫後最後還是要回歸到以人為本的人工智慧，此時自然語言作為人機互動的最直觀的媒介便扮演了重要的角色。有時使用者清楚的知道自己的需求所在，卻因為不知道如何以程式語言讓機器完成他的需求。因此要如何讓人們能夠輕鬆愜意的與機器做溝通便是一個重要的自然語言處理課題。 此外現代自然語言處理最重要的差異在於能夠為個人量身打造。在先前的研究中，自然語言處理多是基於統計後得到的結果。研究對於整體而言確實很有助益，也能夠幫助大多數的人們。但在教育的研究中，真正需要被幫助的是那些我們所說的少數的孩子們。因此這種以人為本的思想，在自然語言處理這個領域當中顯得格外重要。 因此本研究會著重於提供個人化的數學文字題目的生成，透過對於數學文字題目的分析來建立無數個可根據使用者特化的文字生成模板。接著再根據使用者的需求與特性來產生相對應的數學文字題目。 關鍵字：人工智慧、自然語言處理、自然語言生成、以人為本、客製化自然語言生成