试题表述方法及应用

分析当前试题表述形式不足,提出新的试题表述形式,实现所有试题及试卷的结构化,在网络测试系统中为考生提供丰富多样的试题表现形式,方便试题的传输和重用.     

Linux网络教育平台下试题编辑器的研究与实现

针对目前Linux网络教育平台下试题编辑器的研究在试题表述形式和公式描述方式两个方面所遇到的难题,首先提出了一个新的试题编辑器模型,该模型采用了基于练习／测试互操作规范的试题表述形式和基于LaTex公式生成引擎的公式描述方式：之后在该模型基础之上给出了一套基于QT库的原型系统及其实现方法。最后总结并提出了该领域进一步的研究方向。     

试题库系统设计及对题量问题的讨论

本文通过对已开发成功且使用多年的试题库系统的介绍，表述了该系统的主要功能和特点；而后着重对试题指标体系的设定及组建题库的原则作了重点讨论，并给出了题库中题量设置的经验公式。     

在VFP下高等代数试题库的设计与实现

介绍了在Visual FoxPro下高等代数试题库的设计与实现方法，该系统的主要特性，包括引用WORD的强大功能和自动生成试卷时杜绝试题的重复性和减少同类型试题的重复性，将保存在数据表中选取的试题生成WORD文档形式的试卷。在VFP下成功地实现了高等代数试题库管理信息系统。叙述了在Visual FOXPro下实现该系统的关键技术。     

智能题库的模糊设计与分析

本文对影响试卷内容难度的要素进行了系统的分析，采用模糊方法对试题内容难度进行统计评价，以模糊变换理论对多相相关要素加以综合考虑，引入隶属度不表述它们对试卷难度的影响程度，并以此确定影响试卷难度的主要要素，这种方法提高了现有标准化试题库的智能性、灵活性和可靠性，进而增强了综们的适用性。     

Word文档与结构化数据的转换方法研究

为了提高试题的利用率，在试题库管理系统中，需要把以Word文档形式存储的试卷转换为结构化形式存储的数据。在研究现有方法的基础上，提出了一种比较有效的转换方法。     

利用VB 6.0开发化学试卷生成器

针对化学试卷中存在的图形内容及特殊字符格式，通过解析RTF格式文档的源代码，利用Visual Basic设计开发了可以自动生成RTF格式试卷文档的化学试卷生成器。该程序根据命题条件从试题库中随机提取试题，并截取试题内容，在RTF文件头之后依次以RTF源代码形式添加试卷头、试题内容及结束符，最终得到RTF格式试卷文档，实现计算机辅助生成化学试卷。     

哥德巴赫猜想等式的个数──软件水平考试程序设计练习

全国软件水平考试下午试题是程序设计，题目的形式是：给出程序，但留出几个关键的地方，让考生填上。本文即是这样的一道ＦＯＲＴＲＡＮ程序设计试题，给有兴趣的读者练兵用。     

欧拉猜想：软件水平考试程序设计练习

本文按照全国软件水平考试程序设计的出题形式，用Ｐａｓｃａｌ语言编写了一道验证欧拉猜想的试题，供有兴趣者参考。     

2006高考理科综合试题（全国卷一）的特点：化学部分

2006年高考理科综合试题(全国卷一)化学试题符合《考试大纲》的基本要求,在理综测试中发挥了应有的考查功能,试题立足于能力立意,突出主干知识,适当考虑了对中学化学主要知识点的覆盖。试题长度适中,题目设计有层次,文字语言表述清楚、简洁,较好地贯彻了《考试大纲》的精神,试题的阅读量不大,可以使考生有充分的时间和空间进行深入思考。总体来看,试题难度适中,较好地体现了《考试大纲》中提出的“以中等难度题为主”的难度要求,没有出现偏题、怪题。虽然就化学试题本身来讲,总体难度不大,但是从它在理科综合试卷中的功能定位角度看,试题较…     

中文问答系统中的问句理解

描述了一种通过人工总结规则建立模型来理解问答系统中问句的方法。该模型采用浅层语法分析和部分语义分析相结合的方法来断定一个问句所包含的信息。     

中文问答系统中问题理解的研究

对中文问答系统中的问题理解技术进行了研究。问题理解是问答系统的基础,问题理解的核心内容是问题分类。本文对基于规则和统计方法的问题分类体系做了介绍,提出了基于事件框架的问题语义描述模型,给出了疑问意向的形式化定义。同时借助知网,对问题空间的大小进行评测。     

基于事例的问句分析器

该文描述了一种基于事例，通过人工总结规则建立模型来分析问答系统中问句，应用自然语言处理的相关技术，分词和专有名词识别对问句进行预处理，然后依据从3800多个问句中总结归纳出来的问句信息成分，进行问句的浅层分析。以及短语结构分析，获取问句的各个信息成分以及他们之间的依存关系。这些模型采用浅层语法分析和部分语义分析相结合来断定一个问句所包含的信息。同时在英文问答系统的基础上，提出了问句类型学和限制成分的语义类型学，深化了问句的表达形式，以能更好的解析问句。     

融合事件信息的中文问答系统问题语义表征

复杂类问题理解是中文问答系统研究的难点,基于组块的问句分析方法将整个问句转化为若干组块,降低了问句分析的难度和复杂性。针对以含有事件(动作)信息的复杂类问题,提出基于语义组块的中文问答系统问题语义表征模型,采用语义组块的思想将问题的语义成分定义为疑问焦点块、问题主题块和问题事件块三个语义组块,对问句中的事件语义信息,建立了问题事件语义结构,将一个问句表征为一个基于语义组块的问题语义表征结构,用于问答系统的问题理解。通过序列标注学习方法实现问题语义表征中语义组块自动标注。实验结果表明:问题语义组块标注效果较好,问题语义表征模型获取了问题的关键语义信息,为语义层面上的问题理解提供基础。     

一种新的层次化结构问题分类器

问题分类是自动问答系统中关键技术之一,而问题中的关键词语是问题分类的重要依据。本文主要探讨问题词和中心词在问题分类中所起的作用,提出一种基于问题词和中心词的层次化结构问题分类器。分类器首先利用问题词将句子集分为三类,然后对于每个类别分别建立相应的分类器,对于what型问题,本文构造了基于关联规则的中心词分类器。本文实现的层次化结构分类器在TREC 2007 QA问题集和UIUC数据集上精度分别达到了90.6%和84.0%,充分显示了问题词和中心词在问题分类中至关重要的作用。     

汉语情感问题类型分类研究

随着网络搜索引擎技术的飞速发展,对于问答系统的需求愈发迫切。而问答系统处理问题的第一步就需要分辨情感问题和非情感问题并对情感问题进行分类。该文首先分析了当前问答系统和问题分类领域的研究现状,总结了一些存在的问题。然后针对情感问题从三个方面进行分类。在语义层面,提取了三个关键词;在语法层面,通过规则的制定,将其分成五种疑问句类型;在领域层面,通过搜索引擎的相关网页数量来进行判断。再对综合上述三个方面所开发出的测试系统进行分析。实验结果表明:对于情感问题的分类,从三个层面进行分析比较全面。     

问答系统研究综述

近年来,问答系统被大量广泛地研究。问答系统的目标是给定一个问题,能够得到简短、精确的答案。根据处理数据的不同,将问答系统分为三类:基于结构化数据的问答系统、基于自由文本的问答系统、基于问题答案对的问答系统。对这三大类系统的特点、面临的问题和相关的研究分别进行了叙述和总结。最后,讨论了问答系统未来可能的研究方向。     

基于问题分解的多跳机器阅读理解模型

多跳机器阅读理解是自然语言处理领域最困难的任务之一,需要在多个段落之间进行推理。多跳机器阅读理解任务中的复杂问题一般由多个简单问题融合而成,可以通过分解复杂问题使模型更好地理解问题。因此,针对复杂多跳问题,提出了一种基于问题分解的多跳阅读理解模型。该模型首先将多跳问题分解为多个单跳问题,然后利用单跳阅读理解模型对其进行求解。将问题分解视作一个阅读理解任务：多跳问题是问题分解的上下文,而包含问题答案的证据段落则是问题。阅读理解任务捕捉了多跳问题和证据段落之间的交互语义信息,可以指导多跳问题中单跳问题的抽取。所提模型的BLEU值和Rouge-L值分别为71.48%和79.29%。实验结果表明,该模型对多跳机器阅读理解是有效的。     

受限领域问答系统的中文问句分析研究

对用户所提问句的理解是受限领域问答系统实现的关键,该文提出一种基于本体和问句句型模板规则的中文问句分析方法,研究如何使用问句语义表征来表示问句分析的结果,将该方法应用于某受限领域问答系统中。实验结果表明,使用该方法进行中文问句分析,准确率达90%以上,可以在实际的问答系统中使用该方法。     

基于自学习规则和改进贝叶斯结合的问题分类*

根据对中文问题的分析可知,问题中的疑问词和中心词等关键词对问题所属类型起着决定性的作用。提出利用自学习方法建立疑问词—类别和疑问词+中心词—类别两种规则,并结合改进贝叶斯模型的问题分类方法。该方法充分利用了关键词对分类的贡献。实验结果表明,该分类方法有很大的改进,准确率达到了84%。