代数题

摘要： 问题1已知实数a,b,c满足1/a+1/a-b+1/a-c=1/b+1/b-c+1/b-a=1/c+1/c-a+1/c-b=1,求a++c和abc的值.这是2020年蒙古数学奥林匹克竞赛的一道代数题,形式优美,结构对称.文[1]给出此题两种解法,并进行了变式探究.笔者读后意犹未尽,对其进行了一番探索,也得到一些结果,现整理成文,与各位探讨.

摘要： 在解题过程中,我们若能用对称的观点审视问题,抓住函数图象和方程的对称性,或点关于平面图形的对称点或某数学式的对称性,往往能使问题得到巧妙的解决.1.利用对称性解代数题例1已知x,y,z为三个不相等的实数,且x+1/y=y+1/z=z+1/x,求证:x2y2z2=1.

摘要： 一、经典代数题呈现已知(√1+a^(2)+a)(√1+b^(2)+b)=1求a与b的关系.二、解法的多角度探索1.分母有理化法分析根据题目含有根式这个显著特点,很容易想到分母有理化的方法.

摘要： 一道题目中,变量参与的多或少是影响此题难或易的重要因素,一定程度上,变量多是一个代数题作为难题的标志.以浙江高考数学卷为例,2012年、2014年、2018年等压轴题都出现了双参.那么,如何来破解多变量难题呢?本文从转化与化归的思想,来阐述多元问题化归为一元的减元策略.

摘要： 2014年欧洲女子数学奥林匹克试卷中,有如下一道代数题:试求所有实常数t,满足:只要a,b,c是某个三角形的三边长,a2+tbc,b2,tca,c2+tab也是某个三角形的三边长。

摘要： 写作如果不能教，那还要教师干什么呢？教师的职能就是给予学生学习指导，且写作是功能性学习，既然可以学习，就可以获得策略性、方法性的帮助，也就是说写作是可以教的。

摘要： 6月16日晴“分分分,学生的命根。”这话我赞同。在考场上,就是分数见高低。教室后面的墙壁上挂着的那个老式挂钟,一成不变地“滴答滴答”着。我端坐在教室中央,眉头紧锁,正与桌面上这份试卷上密密麻麻的数学题进行着殊死搏斗。要知道,我想拿高分,我想拿满分。前面的部分我轻松应对。很快到了后面的重头戏,也是我惧怕的部分。几何题、代数题、综合题,一齐向我涌来。我深吸一口气,心里暗念道:“为了考出一个令人满意的分数,我拼了!”看着试卷上的几何图形,不禁想起了那些奋战过的白天、夜晚。

摘要： 本发明属于人工智能技术领域，公开了一种基于深度增强学习的代数应用题自动求解器，所述基于深度增强学习的代数应用题自动求解器采用数字策略来识别相关数字作为表达式树的最底层，通过确定数字节点的运算符节点，以自底向上的方式构建表达式树；提取三个相关数字(13,4,9)作为表达式树的最底层。本发明的方法比当前最先进的方法更有效、更准确。和对比算法相比，本发明的框架在提高准确率的同时仅仅需要低于它们10倍的运行时间来求解一道应用题。更重要的是，在最具挑战性的基准数据集上，将准确率从45.2％提高到了63.7％，验证了DQN框架的通用性。

摘要： 本发明公开一种选择题生成模型训练方法、选择题生成方法、设备及介质。该方法包括：获取目标应用领域对应的训练文档、标准题目信息和标准干扰选项；根据标准题目信息对训练文档进行关键段落提取，获取与标准题目信息相对应的关键段落；获取FinBert‑UniLM模型，配置FinBert‑UniLM模型对应的模型参数；将关键段落和标准题目信息输入到FinBert‑UniLM模型进行模型训练，获取目标应用领域对应的题目生成模型；将关键段落、标准题目信息和标准干扰选项输入到FinBert‑UniLM模型进行模型训练，获取与题目生成模型相对应的干扰项生成模型。该方法可保障选择题生成模型生成的选择题具有语言组织方式多样性、干扰选项与题干的顺畅性、选项长度满足业务需求以及知识点覆盖的全面性。

摘要： 本发明适用于图像识别技术领域，提供了一种拍照搜题方法、搜题装置及终端设备，拍照搜题方法包括：获取拍摄装置的拍摄界面相对于被摄物体的倾斜角度；当倾斜角度小于阈值时，对被摄物体进行对焦，并在对焦成功后，开始动态拍摄；在接收到预定指令后，停止动态拍摄，并获取动态拍摄中的间隔预设帧数的图像；计算间隔预设帧数的图像的清晰度，并对比清晰度，选择清晰度最大的图像；识别清晰度最大的图像中的内容，并将识别的内容上传至服务器进行试题匹配；接收并显示服务器反馈的与本次匹配到的试题对应的解题结果。通过本发明可以解决拍题时出现拍照抖动，导致拍摄图像不清晰，影响搜题的效率和准确率的问题。

摘要： 本申请提供了一种搜题方法、搜题装置、智能终端及计算机可读存储介质。其中，所述搜题方法，包括：获取包含待搜索题目的图片；通过选定框对所述图片中的每一行文本内容进行框选；基于各个选定框中起始字符的字符类型以及预设的对应关系信息，确定各个选定框的标签类型；将所述图片中面积最大的选定框确定为当前选定框；判断当前选定框的标签类型是否为题干类型；若当前选定框的标签类型为题干类型，且当前选定框的下方邻近位置存在第一选定框集合，则基于当前选定框与第一选定框集合中各选定框的文本内容生成目标题目；将目标题目发送至云端服务器，并接收云端服务器返回的搜题结果。本申请可自动对题目进行框选，提高了用户体验以及搜题效率。

摘要： 本发明属于人工智能技术领域，公开了一种基于深度增强学习的代数应用题自动求解器，所述基于深度增强学习的代数应用题自动求解器采用数字策略来识别相关数字作为表达式树的最底层，通过确定数字节点的运算符节点，以自底向上的方式构建表达式树；提取三个相关数字(13,4,9)作为表达式树的最底层。本发明的方法比当前最先进的方法更有效、更准确。和对比算法相比，本发明的框架在提高准确率的同时仅仅需要低于它们10倍的运行时间来求解一道应用题。更重要的是，在最具挑战性的基准数据集上，将准确率从45.2％提高到了63.7％，验证了DQN框架的通用性。

摘要： 本发明公开了一种初等数学代数型题目自动解答的方法，包括以下步骤：题目输入；题目理解，对各个类别初等数学代数型题目进行分类并对题目文本进行分词和词性标注；使用句法语义混合模型提取直陈述数学关系，并根据题目类型添加隐含类型数学关系，形成一个代数关系组；机器求解，对所形成的代数关系组中的实体分配变量，将代数关系组转化成代数方程组，同时得到实体和变量的对照表，机器自动求解这个代数方程组；类人解答生成，根据变量的求解先后顺序和实体‑变量对照表，对代数关系组求解过程恢复出变量的语义，结合题目文本形成类人的解答过程。本发明能够大大提高解答数学代数型题目的自动化程度。

摘要： 本发明公开了一种主观题自动判题方法，包括以下过程：a.构建词汇库数据模型A和近义词库数据模型B；b.提取主观题标题和标准答案，生成标准答案关键词二维数组tp；c.提取学生作题的答案，生成学生答案词汇组二维数组sp；d.轮询学生答案语句，将答案词汇组二维数组sp与标准答案关键词二维数组tp比较得出每句答案的匹配程度，计算得到总关键词得分系数roe；e.将标准答案每句关键词组去掉其中与学生答案重复的元素，得到学生答案中未匹配到的关键词组wp；f.轮询wp的各个词汇，计算得到总近义词得分系数qs；g.综合总关键词得分系数roe和总近义词得分系数，得到最终分数。本发明方法扩大了匹配域，使判题算法更加精确，有效的简化了教师工作，提高教学效率。

摘要： 本发明公开了一种正则表达式在计算机教学中主观题自动改题的应用方法，包括如下步骤：S1：学生通过答题模块输入主观试题的主观答题内容并提交，此时主观答题内容被提交到题库；S2：规则模块设置正则表达式的批改规则，并获取该正则表达式的批改规则，同时学生提交的主观答题内容到题库后，通过筛选提取模块获取学生主观答题内容；S3：根据主观试题和正则表达式的批改规则的绑定情况，对学生主观答题内容进行批改，随后批改输出结果，老师获得学生答题情况。本发明从传统的教师一个一个的对学生答题进行批改查询到自动查阅，在教学过程中减轻老师压力，提高改题效率，老师和学生对错题有更加直观的评估，以提高学生学习的效率和效果。

摘要： 本发明公开一种选择题生成模型训练方法、选择题生成方法、设备及介质。该方法包括：获取目标应用领域对应的训练文档、标准题目信息和标准干扰选项；根据标准题目信息对训练文档进行关键段落提取，获取与标准题目信息相对应的关键段落；获取FinBert‑UniLM模型，配置FinBert‑UniLM模型对应的模型参数；将关键段落和标准题目信息输入到FinBert‑UniLM模型进行模型训练，获取目标应用领域对应的题目生成模型；将关键段落、标准题目信息和标准干扰选项输入到FinBert‑UniLM模型进行模型训练，获取与题目生成模型相对应的干扰项生成模型。该方法可保障选择题生成模型生成的选择题具有语言组织方式多样性、干扰选项与题干的顺畅性、选项长度满足业务需求以及知识点覆盖的全面性。

摘要： 本发明提出了一种主观题阅卷方法和一种主观题阅卷装置，其中，主观题阅卷方法包括：从阅卷答案中获取主观题答案的答案关键词；根据预设标准答案，计算所述答案关键词与所述预设标准答案中的预设关键词的相似度；根据所述相似度和所述预设标准答案的分值，计算所述阅卷答案的得分。通过本发明的技术方案，可以通过自动、有效的方法根据答案中的关键词与预设标准答案中的预设关键词的相似程度确定答案的得分，避免使用人工进行主观题阅卷，减少了阅卷的人工成本和时间成本，提升了主观题阅卷的效率。