导读:本文包含了智能答疑论文开题报告文献综述、选题提纲参考文献，主要关键词:智能,分词,中文,自然语言,系统,语句,问句。
智能答疑论文文献综述写法
郝光兆,杨静,吴迪,生龙[1]（2019）在《“Python程序设计”课程智能答疑系统的设计与实现》一文中研究指出针对传统教育在程序设计语言教学中的问题,为提高学生自主学习效率,突出学生的主体地位,设计和实现了一个基于自然语言处理技术的"Python程序设计"课程的智能答疑系统。该系统使用Python语言和Mongodb数据库开发,采用Django模块实现前端可视化。系统一方面帮助学生自主查询"Python程序设计"课程相关知识,自动将准确、简单、高效的答案返回给学习者,另一方面还支持教师进行辅助课程答疑。该系统的设计和实现突破了传统答疑方式在时间、空间等因素的限制,是互联网技术与教育领域深度融合背景下的教学成果。(本文来源于《电脑知识与技术》期刊2019年07期）
薛良波[2]（2018）在《智能答疑系统的研究与实现》一文中研究指出随着网络教育模式的出现,越来越多的教学辅导机构开始选择进行网上授课,越来越多的学生也参与到网络学习的大军中。但是,网络教学过程中,由于师生之间时间和空间的分离而不能及时的讨论交流,导致学生在学习过程中的疑难问题不能得到解答,这将很大程度的阻碍学生的学习进程,降低学生的学习效果。因此,答疑系统的开发对网络教育有着重要的作用,而建立一个能够高效快速地回答学生问题的智能答疑系统来辅助学生学习则更为重要。本文主要目标是实现基于PAR方法教学网站的智能答疑系统的设计和研发,完成对程序设计这一领域相关问题的回答。首先分析了网络教育下产生的答疑系统的特点并介绍了国内外答疑系统的研究现状。然后,概述本答疑系统中所使用到的关键技术,提出隐马尔科夫提问预测模型,并通过实验进行参数设置。继而进行答疑系统的总体设计和各功能模块的设计。最后给出本系统相关关键技术的实现,并对答疑系统各功能模块进行了展示,通过对答疑系统的应用测试,验证了系统答疑的准确性。本文的主要创新工作如下:(1)本文研发了基于自然语言处理技术的智能答疑系统。该系统中很好地完成了对中文自然语言提问的处理,使用正向最大匹配算法进行中文分词,采用基于关键词的语句相似度计算方法和基于同义词词林的语义相似度计算方法相结合的多信息语句相似度计算方法来计算两个句子的相似程度,既考虑了语句之间的相似程度,又考虑到句子语义相似程度,使得系统能够更加准确的了解学生的需求,从而给出正确的提问回答。自然语言处理技术的引入,大大提高了系统答疑的准确率。这是创新点之一。(2)本文首次将隐马尔科夫模型应用于智能答疑系统。首先收集程序设计领域相关问答并对这些问题进行知识点归类,获取数据集;然后使用大量提问序列进行训练得到隐马尔科夫模型,即确定各知识点之间的关联概率;最后根据学生当前提问和已知的隐马尔可夫模型来预测内在知识点的迁移,得到学生最可能的下一次提问内容,实现对学生智能推荐问题的功能。在智能答疑系统中构建隐马尔科夫提问预测模型,大大提高了系统答疑效率。这是创新点之二。(本文来源于《江西师范大学》期刊2018-06-01）
段昊昱[3]（2018）在《慕课平台上的智能答疑系统的设计与实现》一文中研究指出慕课指大规模在线开放课程,是近几年最流行的网络教学模式。教学答疑是教育反馈的重要环节,随着科技的进步,智能答疑已是新的发展风向标。慕课平台可以实现包括课件、视频、作业、互动讨论、考试、合格证书等在内的完整的教学过程,但是缺乏智能答疑环节。本文使用人工智能技术对慕课平台进行功能扩充,设计开发了智能答疑系统。该慕课平台中,学生可以在平台上视频学习、在线测试、在线讨论、作业互评等,教师可以在平台上编辑管理课程内容,发布优质课程,在讨论区解答学生疑问等,管理员可以设置教师学生使用权限,发布课程安排等。除了参与慕课平台开发,本研究的工作重点是根据国内外对慕课平台以及智能答疑的研究,设计了智能答疑系统,实现了对学生的问题进行自然语言理解并提取关键词,将问题的关键词在知识库中进行语义相似度分析,将答案提供给学生;如果在知识库中没有搜寻到对应答案,系统则将对于问题用网络爬虫抓取答案,并且进行自然语言生成,展示给学生。本研究是在参与慕课平台开发中,利用开源edx搭建慕课平台,利用人工智能技术搭建智能答疑系统。主要特色是将人工智能技术与慕课相结合,使慕课的每一个教育环节都能很好的实现。(本文来源于《天津师范大学》期刊2018-05-01）
李印鹏[4]（2018）在《教学网站智能答疑系统设计与实现》一文中研究指出目前,网络教学的教学模式逐渐兴起。但是,在众多的网络教学课程中,主要存在两方面问题,其一,老师只是单一讲解,很难实现学生的个体化需求,对学生提出的问题不能一一解答;其二,教师可能在某一重复的问题上浪费了极多的时间来进行解答。所以,如果能有一款系统可以实现对单一学生提出问题自动解答,上面的问题就迎刃而解。本文结合教学网站的具体需求,提出了智能答疑系统的解决方案和开发了一套基于B/S架构的智能答疑系统。首先,本文详细研究了答疑系统的相关技术以及相应的理论,从而确定对答疑系统的功能需求;其次,分析并研究了目前的中文分词算法,并最后确定使用逆向最大匹配算法来实现系统的功能;然后,研究了语句相似度计算方法,语句相似度由词形相似度、语句长度相似度、词序相似度叁个方面决定的。本系统根据这叁个指标来对学生输入的问题进行语句相似度的匹配;最后,利用上述研究的内容,开发了一套基于Web界面,采用Java EE技术,Apache tomcat作为网站服务器,SQL Server 2012作为后台数据库的智能答疑系统。在尽可能低成本、高效率情况下,去满足教学网站智能答疑的业务需求。基于课程教学网站的智能答疑系统的研究目标在于方便学生学习,使学习者能够在教师不参与的前提下,利用智能答疑系统迅速准确的得到知识点的解答,从而最大程度的利用网络提升自学效率。同时,智能答疑系统直接替代了传统的教师人工对某一单一问题反复解答,极大的减轻了教师劳动强度。除此之外,智能答疑系统利用了大数据时代特点,对学生提出的问题加以归纳,重点、难点以数据化形式加以体现,在一定程度上提高了教师的课程教学质量。(本文来源于《河北科技大学》期刊2018-05-01）
陈志云,商月,钱冬明[5]（2018）在《基于知识图谱的智能答疑系统研究》一文中研究指出在大型开放式网络课程(MOOC)系统中,答疑是一个重要环节,智能答疑系统的研发,有助于提高教学的效能。一般的答疑系统缺乏对课程知识的智能表示,对以往问题答案的自动归纳等。利用知识图谱技术将学生提问问题以知识点树的形式显示,同时结合朴素贝叶斯算法文本分类,将问题关键字按照知识点树中的知识点进行归类,并与教学案例课件进行分类匹配,从而初步改造为智能答疑系统。系统以华东师范大学公共计算机课为应用实例,初步应用测试问题分类成功率均在80%左右,证明智能答疑系统能更好地表示和分类问题,更好地适应学生的答疑应用。(本文来源于《计算机应用与软件》期刊2018年02期）
张俊飞[6]（2018）在《基于SPOC视频和智能答疑的CAI模式研究》一文中研究指出针对MOOC教学交互缺失问题,文章设计了本土化SPOC计算机辅助教学模式,采用信息技术实现了基于视频的教学交互。实现技术包含叁个技术点:基于视频的知识点标注、智能答疑相似度算法、系统终端自适应。通过实验验证和教学效果分析,证实相似度算法提高了问题检索的查准率,此CAI模式促进了教学活动的开展,具有一定的教学有效性。(本文来源于《中国教育信息化》期刊2018年01期）
宋万里,卜磊[7]（2017）在《智能答疑系统的设计与实现》一文中研究指出教师不能有效及时的回答学生学习过程中遇到的问题,会影响学生的学习兴趣及学习效率。该文通过自然语言处理技术、模板分类技术、支持向量机技术构建智能答疑系统,对问题和答案进行分词处理、模板匹配和分类训练,自动对问题和答案进行课程类别判断。再通过余弦相似性算法对问题和答案计算相似度,返回相似度最大的答案。如用户对系统反馈答案不满意,可以将问题抛入公共问答区,来寻求其他用户帮助。系统将对用户答案进行审核,审核通过则将此问题答案对添加到题库中,使得题库中的问句不断扩充。该文是以网络论坛中的用户提问作为问题库,通过此库进行答案的反馈。测试结果表明,该系统能够很好地服务于大学生,体现出教学的智能化。(本文来源于《电脑知识与技术》期刊2017年36期）
李春生,卢鹏飞,张可佳[8]（2018）在《基于语句相似度计算的智能答疑系统机理研究》一文中研究指出在使用互联网进行在线学习的过程中,为了解决现有答疑方式答疑实时性差、准确度低、效率低的问题,提出了一种基于语句相似度计算的智能答疑方案。首先分析现有的答疑方式及其不足;其次详细阐述了智能答疑系统的工作流程、总体结构和相关数据库结构,针对原有答疑方式检索效率低的问题加入了常用问题库,并引入基于字符串匹配的分词方法完成对学习者提出的问题的拆分;最后结合基于词信息的语句相似度计算方法对语句相似度进行计算并将结果呈现给学习者,以达到提高答疑系统的准确度、效率以及实时性的目的,满足学习者的需求。实验结果表明,基于语句相似度计算的智能答疑方案相对于原有答疑方案具有较高的准确度与效率。(本文来源于《计算机技术与发展》期刊2018年04期）
王春荣,黄凌山,熊昌炯,夏尔冬,郑飞杰[9]（2016）在《基于STM32的智能答疑机器人设计》一文中研究指出研究了一种具有语音识别技术的智能机器人,以PRO/E对答疑机器人进行叁维建模,STM32为机器人的控制系统核心,设计答疑机器人所需要的各个电源转换模块。答疑机器人能通过LD3320对接收到的语音进行识别处理,并根据识别结果发出相应解答以及配合一定的动作。为提高机器人的语音识别效果,利用卡尔曼算法进行降噪处理。通过实验表明,卡尔曼算法具有一定的降噪作用,该系统能移植到各种示教机器人、迎宾机器人以及智能玩具等。(本文来源于《叁明学院学报》期刊2016年04期）
丰乃波[10]（2016）在《以学习者为中心的远程智能答疑系统的设计与实现》一文中研究指出伴随着因特网技术的快速发展和网络信息技术应用的全面普及,以网络信息技术为基础的远程教育也受到越来越多人的关注和重视。在远程网络教育里的一个重要环节就是答疑解惑,它直接关系到网络远程教育质量的好坏。在远程教育活动中,学习者是处于中心地位的。当前世界上有很多的研究所为了解决学生的疑难问题,有效地提高远程教学的质量,都在尝试设计开发智能答疑系统。但当前针对智能答疑系统的研究太过于片面地追求其技术指标,而忽视了相关的教育教学理论对于系统开发的指导作用和理论支持,使得学习者在应用答疑系统的时候无法完全参与进来,没有体现出学习者在远程教育过程里的中心地位。与此同时,当前的很多答疑系统由于涉及到的答疑知识范围面太广且分散,使得学生在使用时会有一种大海捞针的感觉,进而产生迷航感。如若想要使智能答疑系统能够给学习者提供有效的学习支持,能够使其满足以学习者为中心的特点,就需要对网络学习者的学习规律进行相应的分析与总结,结合多种学习理论的优点,以此为理论基础,来设计开发一个实用性强且具有良好性能的智能答疑系统。基于此,本文通过对国内外智能答疑系统的现状研究,分析了智能答疑系统的教育理论基础,受到第五代远程教育模式的启发,确立了结合人本主义、建构主义及协作学习模式的系统模型和工作流程,并探讨了如何开展协作,如何设立激励机制在平等、互助的氛围来强化学习者的中心地位。通过增加专业课程关键词分词词典库弥补了中文分词的不足,有效地提高了分词的准确率,在课程领域知识库方面,通过知识库关键词特征方法与词义距离相似度计算等匹配方法,应用基于章节的快速定位技术和关键词索引结合的方法,使系统可以快速给出问题答案,从而使系统能够实现及时有效地解决学生在学习中的疑问,能够激发学习者的学习兴趣、促进其对于知识的建构、提高其学习能力。本论文首先阐述了研究智能答疑系统的背景和意义,在比较现有答疑系统的基础上,对智能答疑系统涉及的基本教育学习理论知识和关键技术进行了分析,并依照相关理论设计了系统模型和工作流程,初步建立了基于计算机网络课程的知识库,并给出了以学习者为中心的智能答疑系统完整的体系结构及其架构开发模式,最后说明了智能答疑系统的实现方法。(本文来源于《江西科技师范大学》期刊2016-05-28）
智能答疑论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着网络教育模式的出现,越来越多的教学辅导机构开始选择进行网上授课,越来越多的学生也参与到网络学习的大军中。但是,网络教学过程中,由于师生之间时间和空间的分离而不能及时的讨论交流,导致学生在学习过程中的疑难问题不能得到解答,这将很大程度的阻碍学生的学习进程,降低学生的学习效果。因此,答疑系统的开发对网络教育有着重要的作用,而建立一个能够高效快速地回答学生问题的智能答疑系统来辅助学生学习则更为重要。本文主要目标是实现基于PAR方法教学网站的智能答疑系统的设计和研发,完成对程序设计这一领域相关问题的回答。首先分析了网络教育下产生的答疑系统的特点并介绍了国内外答疑系统的研究现状。然后,概述本答疑系统中所使用到的关键技术,提出隐马尔科夫提问预测模型,并通过实验进行参数设置。继而进行答疑系统的总体设计和各功能模块的设计。最后给出本系统相关关键技术的实现,并对答疑系统各功能模块进行了展示,通过对答疑系统的应用测试,验证了系统答疑的准确性。本文的主要创新工作如下:(1)本文研发了基于自然语言处理技术的智能答疑系统。该系统中很好地完成了对中文自然语言提问的处理,使用正向最大匹配算法进行中文分词,采用基于关键词的语句相似度计算方法和基于同义词词林的语义相似度计算方法相结合的多信息语句相似度计算方法来计算两个句子的相似程度,既考虑了语句之间的相似程度,又考虑到句子语义相似程度,使得系统能够更加准确的了解学生的需求,从而给出正确的提问回答。自然语言处理技术的引入,大大提高了系统答疑的准确率。这是创新点之一。(2)本文首次将隐马尔科夫模型应用于智能答疑系统。首先收集程序设计领域相关问答并对这些问题进行知识点归类,获取数据集;然后使用大量提问序列进行训练得到隐马尔科夫模型,即确定各知识点之间的关联概率;最后根据学生当前提问和已知的隐马尔可夫模型来预测内在知识点的迁移,得到学生最可能的下一次提问内容,实现对学生智能推荐问题的功能。在智能答疑系统中构建隐马尔科夫提问预测模型,大大提高了系统答疑效率。这是创新点之二。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
智能答疑论文参考文献
[1].郝光兆,杨静,吴迪,生龙.“Python程序设计”课程智能答疑系统的设计与实现[J].电脑知识与技术.2019
[2].薛良波.智能答疑系统的研究与实现[D].江西师范大学.2018
[3].段昊昱.慕课平台上的智能答疑系统的设计与实现[D].天津师范大学.2018
[4].李印鹏.教学网站智能答疑系统设计与实现[D].河北科技大学.2018
[5].陈志云,商月,钱冬明.基于知识图谱的智能答疑系统研究[J].计算机应用与软件.2018
[6].张俊飞.基于SPOC视频和智能答疑的CAI模式研究[J].中国教育信息化.2018
[7].宋万里,卜磊.智能答疑系统的设计与实现[J].电脑知识与技术.2017
[8].李春生,卢鹏飞,张可佳.基于语句相似度计算的智能答疑系统机理研究[J].计算机技术与发展.2018
[9].王春荣,黄凌山,熊昌炯,夏尔冬,郑飞杰.基于STM32的智能答疑机器人设计[J].叁明学院学报.2016
[10].丰乃波.以学习者为中心的远程智能答疑系统的设计与实现[D].江西科技师范大学.2016