摘要
本发明公开了基于深度学习的大学计算机基础知识解题方法,使用已有的大学计算机基础知识图谱和NTN模型来生成包含所有基础知识点的推理数据集,接着使用PCANET和GRU网络生成和问题相对应的残缺的知识图谱,然后使用PSQUERY算法来匹配知识图谱中与残缺知识图谱最接近的近似子图,并且使用TransE方法来推理得出残缺知识图谱中的缺失部分,最后推理得出的部分即为正确结果。减少了人力的消耗,提高了解题的效率。本发明实现容易,可以批量生成答案。本发明提高了同学自学该门课的效率,同时也减小了老师在教授这门课的负担。