KR20190092746A - Apparatus and method for solving mathematic problems based on artificial intelligence - Google Patents

Apparatus and method for solving mathematic problems based on artificial intelligence Download PDF

Info

Publication number
KR20190092746A
KR20190092746A KR1020180011856A KR20180011856A KR20190092746A KR 20190092746 A KR20190092746 A KR 20190092746A KR 1020180011856 A KR1020180011856 A KR 1020180011856A KR 20180011856 A KR20180011856 A KR 20180011856A KR 20190092746 A KR20190092746 A KR 20190092746A
Authority
KR
South Korea
Prior art keywords
mathematical
math
solution
solving
specific
Prior art date
Application number
KR1020180011856A
Other languages
Korean (ko)
Other versions
KR102110784B1 (en
Inventor
조봉한
Original Assignee
이쿠얼키 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 이쿠얼키 주식회사 filed Critical 이쿠얼키 주식회사
Priority to KR1020180011856A priority Critical patent/KR102110784B1/en
Publication of KR20190092746A publication Critical patent/KR20190092746A/en
Application granted granted Critical
Publication of KR102110784B1 publication Critical patent/KR102110784B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology

Abstract

The present invention relates to an apparatus for solving a mathematical problem based on artificial intelligence and a method thereof. The apparatus and method may significantly improve mathematical intuition of a user and enable the user to efficiently obtain principles of solution of a mathematical problem at the same time by establishing a problem solution plan for the mathematical problem and generating a mathematical problem solution including a solution strategy and solution method for the mathematical problem, a mathematical problem translation that the mathematical problem is translated into natural language, or a combination of the solution strategy, solution method, and mathematical problem translation to provide the mathematical problem solution to the user.

Description

인공지능 기반 수학문제 해결장치 및 그 방법{APPARATUS AND METHOD FOR SOLVING MATHEMATIC PROBLEMS BASED ON ARTIFICIAL INTELLIGENCE} AI-based Mathematical Problem Solving Device and its Method {APPARATUS AND METHOD FOR SOLVING MATHEMATIC PROBLEMS BASED ON ARTIFICIAL INTELLIGENCE}

본 발명은 인공지능 기반 수학문제 해결장치 및 그 방법에 관한 것으로, 더욱 상세하게는 수학문제에 대한 문제해결계획을 수립하고, 상기 수립한 문제해결계획에 따라 상기 수학문제에 대한 해결전략, 해결방법, 상기 수학문제를 자연어로 번역한 수학문제 번역문 또는 이들의 조합을 포함하는 수학문제 솔루션을 생성하여 사용자에게 제공함으로써, 사용자의 수학적 직관력을 현저하게 향상시킴과 동시에 상기 수학문제의 해결원리를 효과적으로 습득할 수 있도록 하는 인공지능 기반 수학문제 해결장치 및 그 방법에 관한 것이다.The present invention relates to an AI-based mathematical problem solving apparatus and a method thereof, and more particularly, to establish a problem solving plan for a mathematical problem, and a solution strategy and a solution method for the mathematical problem according to the established problem solving plan. By providing a user with a mathematical problem solution including a translation of the mathematical problem translated into a natural language or a combination thereof, the user can significantly improve the mathematical intuition of the user and at the same time effectively learn the principle of solving the mathematical problem. The present invention relates to an AI-based mathematical problem solving apparatus and a method thereof.

수학이란 양, 구조, 공간, 변화 등에 대한 개념을 연구하는 학문에 관한 것으로, 자연과학, 공학, 의학, 사회과학 등과 같이 사회 전반적인 분야에서 활용되고 있으며, 각 분야의 급격한 발전에 밑거름이 되고 있다.Mathematics refers to the study of concepts such as quantity, structure, space, and change. It is used in the general field of society such as natural science, engineering, medicine, and social science, and is the foundation for the rapid development of each field.

또한 수학은 인문학이나 경제학 등과 같이 여느 학문들과는 달리 자연계에서 관측되지 않는 개념들까지 추상화하여 그 본질적인 특성이나 성질이 대해 설명하고 진의를 파악할 수 있도록 한다. 즉, 상기 수학은 단순히 수를 계산하는 것에 그치지 않고 복잡하고 어려운 현상에 대한 문제를 해결해 가는 과정을 논리적으로 접근하고 이를 해결하기 위한 해결과정을 배우도록 하는 것이다.In addition, unlike other studies such as humanities and economics, mathematics abstracts concepts not observed in the natural world so that their essential characteristics or properties can be explained and understood. In other words, the mathematics is not only to calculate the number, but also to logically approach the process of solving the problem of complex and difficult phenomena and learn a solution to solve the problem.

그러나 종래의 수학학습 방법은 대학수학능력평가시험 혹은 수학을 기반으로 하는 다양한 자격시험 등에서 높은 수학점수를 획득하고자 하는 수학 학습자의 목적에 따라 제공되는 것이 대부분이다. However, conventional mathematics learning methods are mostly provided according to the purpose of mathematics learners who want to obtain a high mathematics score in the college mathematics assessment test or various qualification tests based on mathematics.

수학을 기반으로 하는 대부분의 시험은 주어진 시간 내에 많은 문제를 풀어야 고득점이 가능하기 때문에 상기 종래의 수학학습 방법은 사용자로 하여금 특정 수학문제에 정확하고 논리적으로 접근할 수 있도록 유도하기 보다는 수학문제에 따라 달리하는 해결방법(예: 수학공식)을 기계적으로 암기하도록 하는 것에 초점이 맞춰져 있다.Since most tests based on mathematics can be scored by solving many problems in a given time, the conventional mathematics learning method is based on mathematical problems rather than inducing a user to accurately and logically access a specific mathematical problem. The focus is on mechanically memorizing different solutions (eg mathematical formulas).

또한 종래의 수학학습 방법은 수학문제에 논리적으로 접근하고 수학문제를 해결하기 위한 기본적인 해결원리를 제공하기보다는 수학공식만을 암기하도록 하거나, 외우기도 힘든 복잡한 수학문제풀이만을 반복함으로써, 수학학습을 수행하도록 한다. 이는 일단 시험을 치르고 난 다음에는 상기 암기한 수학공식을 쉽게 잊어버릴 수 있으며, 동일한 수학문제를 다시 해결하고자 할 때에는 해당 수학문제에 대한 수학공식을 적용하지 못해 상기 수학문제를 해결하지 못하는 문제점이 발생할 수 있다. 즉, 수학공식위주로 수학학습을 수행하는 경우 새로운 문제에 대한 응용력을 감퇴시켜 수학의 해결원리를 실제 생활이나 타 학문에 적용하고자 할 때 그 효용성이 떨어진다. In addition, the conventional mathematics learning method is to memorize only mathematical formulas rather than logically approaching mathematical problems and providing basic solutions for solving them, or by repeating only complex mathematical problems that are difficult to memorize. do. It is easy to forget the memorized mathematical formula once you have taken the test. If you want to solve the same mathematical problem again, you may not be able to apply the mathematical formula for the mathematical problem. Can be. In other words, in the case of performing mathematics learning mainly on mathematics, the effectiveness of mathematics is reduced when the solution principle of mathematics is applied to real life or other disciplines by reducing the ability to apply new problems.

따라서 수학공식만을 암기하거나 계산위주의 수학학습을 탈피하여 특정 수학문제가 주어졌을 때, 해당 수학문제에 대한 기본적인 해결원리와 개념을 습득할 수 있도록 하는 것이 매우 중요하다.Therefore, it is very important to memorize only the mathematical formula or to break away from the math-oriented math learning so that when a specific mathematical problem is given, it is possible to learn the basic principles and concepts for the mathematical problem.

이에 본 발명은 딥러닝을 포함한 인공지능 알고리즘을 활용하여 특정 수학문제가 주어졌을 때 해당 문제를 해결하기 위한 전략적인 문제해결계획을 수립하여, 상기 수립한 문제해결계획에 따라 상기 수학문제에 대한 최적의 접근방법 및 이에 대한 해결과정을 포함하는 수학문제 솔루션을 제공함으로써, 사용자의 수학적 직관력을 향상시키고 해당 수학문제에 대한 기본적인 해결원리와 개념을 효과적으로 습득할 수 있도록 하는 인공지능 기반 수학문제 해결장치 및 그 방법을 제공하고자 한다.Accordingly, the present invention establishes a strategic problem solving plan for solving a given math problem by using an artificial intelligence algorithm including deep learning to solve the problem, and according to the problem solving plan established above, AI-based math problem solving apparatus that improves the mathematical intuition of the user and effectively acquires basic solution principles and concepts by providing a mathematical problem solution including an approach and a solution thereof, and its To provide a method.

본 발명은 수학문제가 주어졌을 때 해당 수학문제를 자연어로 쉽게 풀어서 설명하는 수학번역기를 포함한다. 상기 수학번역기는 한국특허출원번호 제10-2016-0125885호(2016.09.29.)로 출원되어 있으며, 본 발명은 상기 수학번역기의 상세한 내용을 기재하는 것은 생략하지만, 상기 수학번역기의 특허 명세서에 포함된 모든 기술적 사상이 본 발명과 서로 연관되어 동작함을 밝혀 두고자 한다.The present invention includes a mathematics translator that solves a given mathematics problem easily in natural language when a mathematics problem is given. The mathematical translator is filed in Korean Patent Application No. 10-2016-0125885 (2016.09.29.), And the present invention omits the details of the mathematical translator, but is included in the patent specification of the mathematical translator. It will be clear that all the technical ideas described above operate in conjunction with the present invention.

다음으로 본 발명의 기술분야에 존재하는 선행기술에 대하여 간단하게 설명하고, 이어서 본 발명이 상기 선행기술에 비해서 차별적으로 이루고자 하는 기술적 사항에 대해서 기술하고자 한다.Next, the prior art existing in the technical field of the present invention will be briefly described, and then the technical matters to be made differently from the prior art will be described.

먼저 한국등록특허 제1679667호(2016.11.21.)는 수학 사고력 훈련 시스템 및 방법에 관한 것으로, 사용자의 선택에 따라 상기 수학 사고력 훈련 시스템에서 제공하는 오늘의 수학학습과정 혹은 단원평가 수학학습과정에 대한 스토리텔링 동영상을 제공하여 학습단말을 통해 특정 수학문제에 대한 수학학습을 수행할 수 있도록 하고, 상기 특정 수학문제에 대한 개념 이해여부를 사용자단말로부터 제공받아 상기 특정 수학문제에 대한 유사문제 및 응용문제 풀이과정을 순차적으로 제공하는 수학 사고력 훈련 시스템 및 방법에 관한 것이다.First of all, Korean Patent No. 1669667 (2016.11.21.) Relates to a mathematical thinking training system and method, and according to a user's selection for today's mathematical learning process or unit evaluation math learning process provided by the mathematical thinking training system. Provides storytelling videos to perform math learning on specific math problems through the learning terminal, and similar or application problems for the particular math problem by receiving the understanding of the concept of the particular math problem from the user terminal The present invention relates to a mathematical thinking training system and method for sequentially providing a solution.

상기 선행기술은 특정 수학문제에 대한 학습과정을 수행한 결과에 따라 학습자가 상기 특정 수학문제의 개념이해 여부에 따라 상기 특정 수학문제의 유사문제 및 응용문제를 순차적으로 제공하는 것이다.According to the prior art, a learner sequentially provides similar problems and application problems of a specific math problem according to a learner's understanding of the concept of the particular math problem according to a result of performing a learning process for a particular math problem.

반면에 본 발명은 딥러닝을 포함하는 인공지능 알고리즘을 이용하여 특정 수학문제에 대한 최적의 해결전략, 해당 수학문제에 대한 해결과정, 상기 수학문제가 실질적으로 의미하는 바를 해석한 정보 또는 이들의 조합을 학습자에게 제공하는 것으로, 상기 선행기술은 이러한 본 발명의 기술적 특징을 기재하거나 시사하고 있지 않다.On the other hand, the present invention uses an artificial intelligence algorithm including deep learning, the optimal solution to a specific math problem, the solution process for the math problem, information that interprets the meaning of the math problem or a combination thereof To provide a learner, the prior art does not describe or suggest such technical features of the present invention.

또한 한국공개특허 제2013-0089680호(2013.08.13.)는 앱을 이용한 단계별 수학학습방법 및 시스템에 관한 것으로, 수학의 각 주제에 대한 개념, 필수 예제, 유제 및 예제 학습을 포함하는 동영상 강의를 앱을 통해 제공하여 수학을 개념부터 단계별로 학습할 수 있도록 하는 앱을 이용한 단계별 수학학습방법 및 시스템에 관한 것이다. In addition, Korean Patent Publication No. 2013-0089680 (August 13, 2013) relates to a step-by-step math learning method and system using an app, and provides a video lecture that includes concepts, essential examples, emulsions, and example learning on each subject of mathematics. It provides a step-by-step math learning method and system using an app that can be provided through the app to learn math from concept to step by step.

상기 선행기술은 수학학습을 위한 앱을 배포하여 상기 앱을 통해 수학학습을 위한 동영상을 제공하는 것인 반면에 본 발명은 기계학습을 활용하여 특정 수학문제에 대한 문제해결전략을 수립하여 상기 수립한 문제해결전략에 따라 상기 수학문제에 대한 최적의 접근방법이나 상기 수학문제의 해결방법을 논리적으로 설명한 문제해결과정을 제공하는 것으로, 상기 선행기술은 이러한 본 발명의 기술적 특징에 대해서는 아무런 기재가 없어, 본 발명과 목적, 구성, 효과에 있어서 명확한 차이점이 있다.The prior art is to distribute the app for mathematics learning to provide a video for mathematics learning through the app while the present invention establishes the problem solving strategy for a specific mathematics problem using the machine learning According to a problem solving strategy to provide an optimal approach to the mathematical problem or a problem solving process that logically describes the solution of the mathematical problem, the prior art does not describe any technical features of the present invention, There is a clear difference in the present invention, the object, the configuration, and the effect.

이상에서 살펴본 바와 같이, 대부분의 선행기술들은 단순히 수학문제 및 수학문제를 해결하기 위한 해결방법을 포함하는 학습콘텐츠를 일방적으로 제공하는 것에 그치고 있을 뿐, 본 발명과 같이 수학문제를 해결하기 위한 계획을 수립하여 상기 수립한 계획에 따라 특정 수학문제에 대한 최적의 해결전략, 문제해결과정, 상기 수학문제가 실질적으로 의미하는 바를 해석한 정보 또는 이들의 조합을 포함하는 수학문제 솔루션을 사용자에게 제공함으로써, 사용자의 수학적 직관력 및 수학문제에 대한 해결능력을 현저하게 향상시킬 수 있도록 하는 기술적 특징에 대해서는 제시된 바가 없다.As described above, most of the prior art are merely providing one-sided learning contents including a mathematical problem and a solution for solving the mathematical problem, and plan to solve the mathematical problem as in the present invention. By providing a user with a mathematical problem solution including the optimal solution strategy, problem solving process, information interpreting what the mathematical problem actually means or a combination thereof according to the plan established by the above, No technical features have been suggested to significantly improve the user's mathematical intuition and the ability to solve mathematical problems.

본 발명은 상기와 같은 문제점을 해결하기 위해 창작 된 것으로서, 특정 수학문제에 대한 문제해결계획을 수립하고, 상기 수립한 문제해결계획에 따라 해당 수학문제에 논리적으로 접근할 수 있도록 함으로써, 사용자가 특정 수학문제에 대한 해결과정 및 해결원리를 정확하고 효과적으로 터득할 수 있도록 하는 인공지능 기반 수학문제 해결장치 및 그 방법을 제공하는 것을 그 목적으로 한다.The present invention was created to solve the above problems, by establishing a problem solving plan for a specific mathematical problem, and by allowing the user to logically access the corresponding mathematical problem in accordance with the established problem solving plan, It is an object of the present invention to provide an artificial intelligence-based mathematical problem solving apparatus and method which can accurately and effectively learn the solving process and the principle of solving a mathematical problem.

또한 본 발명은 수학문제와 상기 수학문제에 대한 해결전략에 대한 매칭관계를 학습하고, 상기 학습한 결과에 따라 특정 수학문제에 대한 최적의 해결전략을 사용자에게 제공함으로써, 사용자의 수학적 직관력을 현저하게 향상시킬 수 있도록 하는 인공지능 기반 수학문제 해결장치 및 그 방법을 제공하는 것을 또 다른 목적으로 한다. 여기서 수학적 직관력이란 사용자가 수학문제에 대한 해결과정을 일일이 계산하거나 풀어보지 않고서도 한눈에 답을 어느 정도 예견하거나, 쉽게 풀이할 수 있는 방법을 손쉽게 찾아내는 능력을 의미한다.In addition, the present invention is to learn the matching relationship between a mathematical problem and a solution strategy for the math problem, and provides the user with an optimal solution strategy for a particular math problem according to the learning results, thereby providing a user's mathematical intuition remarkably Another object of the present invention is to provide an AI-based mathematical problem solving apparatus and method for improving the problem. Here, mathematical intuition refers to the ability of the user to easily find a way to easily predict or solve an answer at a glance without having to calculate or solve a solution to a mathematical problem.

또한 본 발명은 시멘틱 네트워크를 통해 특정 수학문제에 대한 해결방법을 논리적인 설명과 함께 사용자에게 제공함으로써, 상기 특정 수학문제에 대한 해결방법 및 해결원리를 효과적으로 습득할 수 있도록 하는 인공지능 기반 수학문제 해결장치 및 그 방법을 제공하는 것을 또 다른 목적으로 한다.In addition, the present invention provides a user with a logical explanation of a solution to a specific math problem through a semantic network, to solve the AI-based math problem to effectively learn the solution and the principle for solving the specific math problem Another object is to provide an apparatus and a method thereof.

또한 본 발명은 특정 수학문제에 대한 의미를 자연어로 해석하여, 해당 수학문제가 가지고 있는 수학적 의미를 인간이 이해할 수 있는 자연어로 번역하여 제공함으로써, 사용자로 하여금 수학의 원리를 자연적으로 이해할 수 있도록 하는 인공지능 기반 수학문제 해결장치 및 그 방법을 제공하는 것을 또 다른 목적으로 한다.In addition, the present invention by interpreting the meaning of a specific mathematical problem in natural language, by providing a translation of the mathematical meaning of the corresponding mathematical problem in a natural language that can be understood by humans, allowing the user to naturally understand the principles of mathematics Another object of the present invention is to provide an AI-based mathematical problem solving apparatus and method thereof.

또한 본 발명은 사용자 단말에 설치되는 인공지능 기반 수학학습 애플리케이션을 통해 언제 어디서나 수학학습 장치에 접속할 수 있도록 함으로써, 온라인상으로 장소나 시간에 관계없이 수학학습을 수행할 수 있도록 하는 인공지능 기반 수학문제 해결장치 및 그 방법을 제공하는 것을 또 다른 목적으로 한다. In addition, the present invention by providing an AI-based math learning application installed in the user terminal anytime, anywhere by accessing the math learning device, AI-based math problem to perform the math learning regardless of the place or time online Another object is to provide a solution and a method thereof.

본 발명의 일 실시예에 따른 인공지능 기반 수학문제 해결장치는 특정 수학문제에 대한 문제해결계획을 수립하는 문제해결계획 수립부, 수학문제와 상기 수학문제에 대한 해결전략 간의 매핑관계를 학습하여 제1 학습모델을 생성하는 직관엔진, 수학문제와 상기 수학문제에 대한 일반화된 수식 간의 매핑관계를 학습하여 제2 학습모델을 생성하는 로직엔진 및 상기 특정 수학문제에 대한 수학적 표현을 자연어로 번역하여 수학문제 번역문을 생성하는 수학문제 번역부를 포함하며, 상기 문제해결계획은 수학문제유형과 상기 수학문제유형에 대한 복잡도를 매핑한 매핑테이블을 참조하여 상기 특정 수학문제에 대한 복잡도를 판단함으로써, 수립되는 것을 특징으로 한다.Artificial intelligence-based mathematical problem solving apparatus according to an embodiment of the present invention is a problem-solving plan establishment unit for establishing a problem-solving plan for a specific mathematical problem, by learning the mapping relationship between the mathematical problem and the solution strategy for the mathematical problem Intuitive engine for generating a learning model, a logic engine for generating a second learning model by learning a mapping relationship between a mathematical problem and a generalized formula for the mathematical problem, and a mathematical expression for the specific mathematical problem And a math problem translation unit for generating a problem translation sentence, wherein the problem solving plan is established by determining a complexity for the specific math problem by referring to a mapping table that maps the complexity of the math problem type and the complexity of the math problem type. It features.

또한 상기 문제해결계획 수립부는, 상기 수립한 문제해결계획에 따라 상기 특정 수학문제에 대한 수학문제 솔루션을 생성하여 수학학습용 디바이스로 제공하는 것을 더 포함하며, 상기 수학문제 솔루션은, 상기 복잡도에 따라 상기 특정 수학문제에 대한 해결전략, 해결방법 및 상기 해결방법에 대한 설명, 수학문제 번역문 또는 이들의 조합을 포함하는 것을 특징으로 한다.The problem solving plan establishment unit may further include generating a mathematics problem solution for the specific mathematics problem according to the established problem solving plan, and providing the mathematics problem solution to the mathematics learning device. A solution strategy for a particular math problem, a solution method and a description of the solution, mathematics problem translation, or a combination thereof.

또한 상기 직관엔진은, 상기 제1 학습모델에 상기 특정 수학문제를 입력하여, 해당 수학문제에 대한 해결전략을 생성하여 상기 문제해결계획 수립부로 제공하는 수학문제 해결전략 제공부를 더 포함하며, 상기 해결전략은 상기 특정 수학문제의 해결원리를 직관적으로 인식하기 위한 힌트(hint), 숏컷(short cut), 제안(suggest) 또는 이들의 조합을 포함하는 것을 특징으로 한다.The intuition engine may further include a math problem solving strategy providing unit configured to input the specific math problem into the first learning model, generate a solution strategy for the corresponding math problem, and provide the solution to the problem solving plan establishment unit. The strategy is characterized by including hints, short cuts, suggestions or combinations thereof for intuitively recognizing the principle of solving the particular mathematical problem.

또한 상기 로직엔진은, 상기 제2 학습모델을 통해 상기 특정 수학문제에 대한 일반화된 수식을 생성하고, 상기 생성한 일반화된 수식에 대한 시멘틱 네트워크를 참조함으로써, 해당 수학문제에 대한 해결방법 및 해결방법에 대한 설명을 생성하여 문제해결계획 수립부로 제공하는 수학문제 해결방법 제공부를 더 포함하며, 상기 시멘틱 네트워크는 상기 일반화된 수식에 대한 단계별 풀이과정이 계층적 트리구조로 구성되는 것을 특징으로 한다.In addition, the logic engine generates a generalized equation for the specific math problem through the second learning model, and refers to the semantic network for the generated generalized equation, thereby solving and solving the corresponding math problem. It further includes a mathematical problem solving method providing unit for generating a description for the problem solving plan establishment unit, the semantic network is characterized in that the step-by-step solving process for the generalized formula consists of a hierarchical tree structure.

또한 상기 수학문제 번역부는, 수학연산자, 상기 수학연산자가 나타내는 의미, 번역규칙이 상호 매핑된 매핑테이블을 참조하여, 상기 특정 수학문제로부터 인식되는 연산자 및 인자를 포함한 상기 특정 수학문제의 수학적 표현을 자연어로 번역하여 문제해결계획 수립부로 제공하는 것을 특징으로 한다.The mathematics problem translator may be a natural language for a mathematical expression of the particular mathematics problem including an operator and a factor recognized from the mathematics operator with reference to a mapping table in which a mathematics operator, meanings represented by the mathematics operator, and translation rules are mapped. It is characterized by providing a translation to the problem solving plan establishment.

아울러 본 발명의 일 실시예에 따른 인공지능 기반 수학문제 해결방법은, 문제해결계획 수립부를 통해 특정 수학문제에 대한 문제해결계획을 수립하는 문제해결계획 수립 단계, 직관엔진을 통해 수학문제와 상기 수학문제에 대한 해결전략 간의 매핑관계를 학습하여 제1 학습모델을 생성하는 단계, 로직엔진을 통해 수학문제와 상기 수학문제에 대한 일반화된 수식 간의 매핑관계를 학습하여 제2 학습모델을 생성하는 단계 및 상기 특정 수학문제에 대한 수학적 표현을 자연어로 번역하여 수학문제 번역문을 생성하는 수학문제 번역부를 포함하며, 상기 문제해결계획은 수학문제유형과 상기 수학문제유형에 대한 복잡도를 매핑한 매핑테이블을 참조하여 상기 특정 수학문제에 대한 복잡도를 판단함으로써, 수립되는 것을 특징으로 한다.In addition, the artificial intelligence-based mathematical problem solving method according to an embodiment of the present invention, a problem solving plan establishment step for establishing a problem solving plan for a specific mathematical problem through a problem solving plan establishment unit, the mathematical problem and the mathematics through an intuitive engine Generating a first learning model by learning a mapping relationship between a solution strategy for a problem, generating a second learning model by learning a mapping relationship between a math problem and a generalized equation for the math problem through a logic engine, and A mathematical problem translation unit for generating a mathematical problem translation by translating a mathematical expression for the specific mathematical problem into a natural language, wherein the problem solving plan refers to a mapping table that maps the complexity of the mathematical problem type and the mathematical problem type; Characterized in that by determining the complexity for the particular mathematical problem, characterized in that it is established.

또한 상기 문제해결계획 수립 단계는, 상기 수립한 문제해결계획에 따라 상기 특정 수학문제에 대한 수학문제 솔루션을 생성하여 수학학습용 디바이스로 제공하는 수학문제 솔루션 제공 단계를 더 포함하며, 상기 수학문제 솔루션은, 상기 복잡도에 따라 상기 특정 수학문제에 대한 해결전략, 해결방법 및 상기 해결방법에 대한 설명, 수학문제 번역문 또는 이들의 조합을 포함하는 것을 특징으로 한다.The problem solving plan establishment step may further include providing a math problem solution for generating a math problem solution for the specific math problem according to the established problem solving plan and providing the math problem solution to a device for learning mathematics. According to the complexity, it characterized in that it comprises a solution strategy, a solution method and a description of the solution, a math problem translation or a combination thereof.

또한 상기 인공지능 기반 수학문제 해결방법은, 상기 제1 학습모델에 상기 특정 수학문제를 입력하여, 해당 수학문제에 대한 해결전략을 생성하여 상기 문제해결계획 수립부로 제공하는 수학문제 해결전략 제공 단계를 더 포함하며, 상기 해결전략은 상기 특정 수학문제의 해결원리를 직관적으로 인식하기 위한 힌트(hint), 숏컷(short cut), 제안(suggest) 또는 이들의 조합을 포함하는 것을 특징으로 한다.In addition, the AI-based mathematical problem solving method, by inputting the specific mathematical problem to the first learning model, generating a solution strategy for the corresponding mathematics problem to provide a problem solving strategy providing step to the problem solving plan establishment unit The solution strategy may further include a hint, a short cut, a suggestion, or a combination thereof for intuitively recognizing a solution principle of the specific mathematical problem.

또한 상기 인공지능 기반 수학문제 해결방법은, 상기 제2 학습모델을 통해 상기 특정 수학문제에 대한 일반화된 수식을 생성하고, 상기 생성한 일반화된 수식에 대한 시멘틱 네트워크를 참조함으로써, 해당 수학문제에 대한 해결방법 및 해결방법에 대한 설명을 생성하여 문제해결계획 수립부로 제공하는 단계를 더 포함하며, 상기 시멘틱 네트워크는 상기 일반화된 수식에 대한 단계별 풀이과정이 계층적 트리구조로 구성되는 것을 특징으로 한다.In addition, the AI-based mathematical problem solving method, by generating a generalized formula for the specific mathematical problem through the second learning model, by referring to the semantic network for the generated generalized formula, The method may further include generating a description of the solution and a solution, and providing the solution to the problem solving plan establishment unit. The semantic network may be characterized by a hierarchical tree structure.

또한 상기 수학문제 번역 단계는, 수학연산자, 상기 수학연산자가 나타내는 의미, 번역규칙이 상호 매핑된 매핑테이블을 참조하여, 상기 특정 수학문제로부터 인식되는 연산자 및 인자를 포함한 상기 특정 수학문제의 수학적 표현을 자연어로 번역하여 문제해결계획 수립부로 제공하는 것을 특징으로 한다.The mathematical problem translation step may include a mathematical expression of the specific mathematical problem including an operator and a factor recognized from the specific mathematical problem by referring to a mapping table in which a mathematical operator, meanings represented by the mathematical operator, and translation rules are mutually mapped. Translated to natural language, characterized in that provided by the problem solving plan establishment.

이상에서와 같이 본 발명의 인공지능 기반 수학문제 해결장치 및 그 방법에 따르면, 딥러닝을 포함하는 인공지능 알고리즘을 활용하여, 특정 수학문제가 주어졌을 때, 해당 수학문제를 해결하기 위한 문제해결계획을 수립하고, 상기 수립한 문제해결계획에 따라 상기 특정 수학문제에 대한 최적의 해결전략, 상기 수학문제에 대한 해결방법 또는 이들의 조합을 포함하는 수학문제 솔루션을 사용자에게 제공함으로써, 사용자의 수학적 직관력을 현저하게 향상시킴과 동시에 수학문제에 대한 해결원리와 개념을 효과적으로 습득할 수 있도록 하는 효과가 있다.As described above, according to the AI-based mathematical problem solving apparatus and method thereof, a problem solving plan for solving a mathematical problem when a specific mathematical problem is given by using an artificial intelligence algorithm including deep learning And providing the user with a mathematical problem solution including an optimal solution strategy for the specific mathematical problem, a solution for the mathematical problem, or a combination thereof according to the established problem solving plan, thereby providing a mathematical intuition of the user. In addition, it is possible to effectively improve the knowledge and solve the mathematical principles and concepts.

도 1은 본 발명의 일 실시예에 따른 인공지능 기반 수학문제 해결장치 및 그 방법을 개략적으로 설명하기 위해 나타낸 개념도이다.
도 2는 본 발명의 일 실시예에 따른 인공지능 기반 수학문제 해결장치의 구성을 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 직관엔진에서 ANN을 통해 기계학습을 수행하는 경우, ANN의 기계학습 구조와 학습과정을 설명하기 위해 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 직관엔진에서 CNN을 통해 제1 학습데이터를 기계학습하는 경우, CNN의 기계학습 구조와 학습과정을 설명하기 위해 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 로직엔진에서 시멘틱 네트워크를 통해 특정 수학문제에 대한 해결방법 및 이에 대한 설명을 제공하는 방법을 설명하기 위해 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 특정 수학문제에 대한 문제해결계획을 수립하여 이를 기반으로 상기 특정 수학문제의 솔루션을 제공하는 절차를 나타낸 흐름도이다.1 is a conceptual diagram illustrating an artificial intelligence-based mathematical problem solving apparatus and a method thereof according to an embodiment of the present invention.
Figure 2 is a block diagram showing the configuration of an artificial intelligence-based mathematical problem solving apparatus according to an embodiment of the present invention.
3 is a diagram illustrating a machine learning structure and a learning process of an ANN when machine learning is performed through an ANN in an intuition engine according to an embodiment of the present invention.
4 is a diagram illustrating a machine learning structure and a learning process of a CNN when machine learning the first learning data through the CNN in an intuition engine according to an embodiment of the present invention.
FIG. 5 is a diagram illustrating a method for solving a specific mathematical problem and providing a description thereof through a semantic network in a logic engine according to an embodiment of the present invention.
6 is a flowchart illustrating a procedure for establishing a problem solving plan for a specific mathematical problem according to an embodiment of the present invention and providing a solution for the specific mathematical problem based on the problem solving plan.

이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시예를 상세히 설명하기로 한다. 본 발명의 명세서 또는 출원에 개시되어 있는 일 실시예들에 대해서 특정한 구조적 내지 기능적 설명들은 단지 본 발명에 따른 실시예를 설명하기 위한 목적으로 예시된 것으로, 다르게 정의 되어 있지 않는 한, 기술적이거나 과학적인 용어를 포함해서 본 명세서에서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 아니한다.Hereinafter, various embodiments of the present invention will be described in detail with reference to the accompanying drawings. Specific structural to functional descriptions of one embodiment disclosed in the specification or the application of the present invention are only illustrated for the purpose of describing the embodiment according to the present invention, and unless otherwise defined, the technical or scientific All terms used herein, including the term, have the same meaning as commonly understood by one of ordinary skill in the art to which the present invention belongs. Terms such as those defined in the commonly used dictionaries should be construed as having meanings consistent with the meanings in the context of the related art, and are not construed in ideal or excessively formal meanings unless expressly defined herein. No.

도 1은 본 발명의 일 실시예에 따른 인공지능 기반 수학문제 해결장치 및 그 방법을 개략적으로 설명하기 위해 나타낸 개념도이다.1 is a conceptual diagram illustrating an artificial intelligence-based mathematical problem solving apparatus and a method thereof according to an embodiment of the present invention.

도 1에 도시한 바와 같이, 본 발명의 일 실시예에 따른 인공지능 기반 수학문제 해결장치(100)는 네트워크를 통해 적어도 하나 이상의 수학학습용 디바이스(200)와 연결되며, 상기 수학학습용 디바이스(200)로 특정 수학문제에 대한 해결과정을 제공함으로써 수학학습을 수행할 수 있도록 한다.As shown in FIG. 1, the AI-based math problem solving apparatus 100 according to an embodiment of the present invention is connected to at least one or more math learning devices 200 through a network, and the math learning device 200 is provided. By providing a solution to a specific math problem, students can perform math learning.

수학학습용 디바이스(200)는 스마트폰, 노트북 PC, 태블릿 PC, 데스크톱 PC 등을 포함하는 것으로 수학학습을 하고자하는 사용자가 구비한 다양한 유무선 통신단말을 의미한다.The math learning device 200 includes a smartphone, a notebook PC, a tablet PC, a desktop PC, and the like, and means various wired / wireless communication terminals provided by a user who wants to learn math.

사용자는 상기 유무선 통신단말을 통해 인공지능 기반 수학문제 해결장치(100)로 접속하여, 상기 인공지능 기반 수학문제 해결장치(100)에서 배포하는 수학학습용 애플리케이션이나 프로그램을 다운로드 받아 설치하여, 상기 설치한 수학학습용 애플리케이션이나 프로그램을 실행 및 구동함으로써, 인공지능 기반 수학문제 해결장치(100)를 통해 수학학습 서비스를 제공받을 수 있다.A user connects to the AI-based math problem solving apparatus 100 through the wired / wireless communication terminal, downloads and installs a math learning application or program distributed by the AI-based math problem solving apparatus 100, and installs the installed program. By executing and driving an application or program for learning mathematics, the mathematics learning service may be provided through the AI-based mathematical problem solving apparatus 100.

또한 인공지능 기반 수학문제 해결장치(100)는 상기 수학학습용 디바이스(200)로 수학학습 서비스를 제공하기 위해, 우선적으로 수학문제를 해결하기 위한 해결전략에 대한 제1 학습데이터 및 상기 특정 수학문제를 일반화하기 위한 제2 학습데이터를 기계학습한다.In addition, the artificial intelligence-based mathematical problem solving apparatus 100 first provides the first learning data and the specific mathematical problem for a solution strategy for solving a mathematical problem in order to provide a mathematical learning service to the mathematical learning device 200. Machine learning the second learning data for generalization.

또한 제1 학습데이터 및 제2 학습데이터는 기계학습을 위한 데이터로써, 상기 제1 학습데이터는 수학문제와 해당 수학문제의 해결전략에 대한 매핑 테이블이며, 학습데이터 데이터베이스(310)에 저장된다.In addition, the first learning data and the second learning data are data for machine learning. The first learning data is a mapping table for a math problem and a solution strategy of the corresponding math problem, and is stored in the learning data database 310.

상기 수학문제의 해결전략이란, 특정 수학문제가 주어졌을 때, 사용자가 스스로 해당 수학문제를 해결하기 위한 방법을 직관적으로 인식할 수 있도록 하는 것으로, 해당 수학문제에 대한 힌트(hint), 숏컷(short cut), 제안(suggest) 또는 이들의 조합을 포함한다.The problem solving strategy of the mathematics problem is that when a particular mathematics problem is given, the user can intuitively recognize a method for solving the mathematics problem himself. cut, suggestion, or a combination thereof.

예를 들어, 수학문제가 log5x = 3 인 경우, 해당 수학문제는 로그법칙 중 하나인 "ab = x <-> logax = b"를 통해 간단하게 해결할 수 있으므로 이때, 상기 수학문제의 해결전략은 상기 로그법칙("ab = x <-> logax = b")이 된다. 한편 특정 수학문제에 대해서 적어도 하나 이상의 해결전략이 존재할 수 있으며, 상기 특정 수학문제와 적어도 하나 이상의 해결전략이 상호 매핑되어 상기 학습데이터 데이터베이스(310)에 저장된다.For example, the math problem is log 5 x = 3, the mathematical problem can be solved simply through one of the log laws, "a b = x <-> log a x = b". At this time, the solution of the mathematical problem is the log law ("a b = x <-> log a x = b "). Meanwhile, at least one solution strategy may exist for a specific math problem, and the specific math problem and at least one solution strategy are mapped to each other and stored in the learning data database 310.

한편 상기 제1 학습데이터는 교수자 또는 수학을 배우고자 하는 학습자에 의해 제공되거나, 상기 인공지능 기반 수학문제 해결장치(100)에 의해 제공될 수 있다.The first learning data may be provided by an instructor or a learner who wants to learn math, or may be provided by the AI-based math problem solving apparatus 100.

따라서 인공지능 기반 수학문제 해결장치(100)는 상기 제1 학습데이터를 학습함으로써, 특정 수학문제에 대한 최적의 해결전략을 도출할 수 있으며, 상기 도출한 최적의 해결전략을 사용자에게 제공함으로써, 사용자의 수학적 직관력을 현저하게 향상시킬 수 있다. 여기서 상기 수학적 직관력이란, 수학문제를 일일이 계산하거나 풀어보지 않고서도 한 눈에 답을 어느 정도 예견하거나, 쉽게 풀 수 있는 방법을 찾아낼 수 있는 능력을 의미한다. Therefore, the AI-based math problem solving apparatus 100 may derive an optimal solution strategy for a specific math problem by learning the first learning data, and provide the user with the derived optimal solution strategy. It can significantly improve the mathematical intuition of. Here, the mathematical intuition means the ability to predict the answer at a glance or find an easy way to solve the problem without calculating or solving a mathematical problem.

또한 제2 학습데이터는 수학문제의 예와 해당 수학문제의 예에 대한 일반화된 수식에 대한 매핑 테이블이며, 상기 학습데이터 데이터베이스(310)에 저장된다.In addition, the second learning data is a mapping table for generalized equations for the example of the math problem and the example of the math problem, and is stored in the learning data database 310.

예를 들어, 수학문제의 예가 "2x + 8 = 12"이고, 이에 대한 일반화된 수식 "ax + b = c"이라고 하면, 상기 제2 학습데이터는 상기 수학문제의 예("2x + 8 = 12") 및 상기 일반화된 수식("ax + b = c")이 상호 매핑되어 상기 학습데이터 데이터베이스(310)에 저장된다. For example, if an example of a math problem is "2x + 8 = 12" and the generalized formula "ax + b = c", the second learning data is an example of the math problem ("2x + 8 = 12"). ") And the generalized equation (" ax + b = c ") are mapped to each other and stored in the learning data database 310.

따라서 상기 인공지능 기반 수학문제 해결장치(100)는 상기 제1 학습데이터를 학습하여 특정 수학문제에 대한 해결전략을 제공하기 위한 제1 학습모델을 생성하며, 상기 제2 학습데이터를 학습하여 특정 수학문제에 대한 일반화된 수식을 생성하기 위한 제2 학습모델을 생성한다.Therefore, the AI-based math problem solving apparatus 100 generates a first learning model for providing a solution strategy for a specific math problem by learning the first learning data, and learns specific math by learning the second learning data. Create a second learning model for generating generalized equations for the problem.

또한 인공지능 기반 수학문제 해결장치(100)는 일반화된 수식에 대한 복수의 시멘틱 네트워크를 시멘틱 네트워크 데이터베이스(340)에 저장하고 있으며, 상기 시멘틱 네트워크를 참조하여 특정 수학문제에 대한 해결과정 및 해결과정에 대한 설명을 생성하여 사용자에게 제공한다.In addition, the AI-based mathematical problem solving apparatus 100 stores a plurality of semantic networks for generalized equations in the semantic network database 340, and refers to the semantic network for solving and solving specific mathematical problems. Create a description and provide it to the user.

시멘틱 네트워크는 일반화된 수식에 대한 단계별 해결과정이 트리구조로 구성되어 있는 것으로, 상기 일반화된 수식에 대한 해결과정 및 해결방법에 대한 설명을 포함한다. The semantic network includes a tree structure of step-by-step solutions to generalized equations, and includes a description of solutions and solutions to the generalized equations.

또한 수학문제에 대한 해결과정 및 해결방법은 교수자 또는 학습자에 의해 제공되거나 상기 인공지능 기반 수학문제 해결장치(100)의 관리자에 의해 제공될 수 있다. 또한 상기 인공지능 기반 수학문제 해결장치(100)는 교수자, 학습자 또는 관리자에 의해 제공되는 수학문제, 해당 수학문제에 대한 단계별 해결과정 및 해결방법은 인공지능 기반 수학문제 해결장치(100)에 의해 일반화되어 시멘틱 네트워크로 구성된다. 즉, 상기 시멘틱 네트워크는 동일한 패턴을 가지는 수학문제를 하나의 수식으로 일반화하고, 상기 일반화한 수식에 대한 단계별 해결과정을 트리구조로 구성한 것이다.In addition, a solution process and a solution for a math problem may be provided by an instructor or learner, or may be provided by an administrator of the AI-based math problem solving apparatus 100. In addition, the AI-based math problem solving apparatus 100 is a math problem provided by an instructor, learner or administrator, step-by-step solutions and solutions to the math problem is generalized by the AI-based math problem solving apparatus 100 It is composed of semantic network. That is, the semantic network generalizes a mathematical problem having the same pattern into a single equation, and configures a step-by-step solution process for the generalized equation in a tree structure.

예를 들어, 제1 수학문제가 "8x + 5 = 19"이고 제2 수학문제가 "7x - 7 = 0"이면 상기 제1 수학문제 및 제2 수학문제는 "ax + b = c"로 일반화될 수 있으며, 상기 교수자, 학습자 또는 관리자에 의해 제공되는 상기 제1 수학문제 및 제2 수학문제에 대한 단계별 해결과정은 상기 일반화된 수식에 따라 변환되어 상기 시멘틱 네트워크를 구성하게 된다. 한편 상기 시멘틱 네트워크에 대한 설명은 도 5를 참조하여 상세히 설명하도록 한다.For example, when the first math problem is "8x + 5 = 19" and the second math problem is "7x-7 = 0", the first math problem and the second math problem are generalized to "ax + b = c". The step-by-step solution to the first and second mathematical problems provided by the instructor, learner or administrator may be converted according to the generalized formula to form the semantic network. The semantic network will be described in detail with reference to FIG. 5.

상기에서 설명한 것과 같이, 제1 학습데이터 및 제2 학습데이터를 구성하는 각 매핑테이블의 매핑관계는 상기 인공지능 기반 수학문제 해결장치(100)에서 기계학습을 위한 학습데이터로 활용된다.As described above, the mapping relationship between each mapping table constituting the first learning data and the second learning data is used as learning data for machine learning in the AI-based mathematical problem solving apparatus 100.

즉, 상기 인공지능 기반 수학문제 해결장치(100)는 제1 학습데이터를 기계학습하여 특정 수학문제에 따른 해결전략을 사용자에게 제공함으로써, 사용자의 수학적 직관력을 향상시킬 수 있도록 한다. 또한 인공지능 기반 수학문제 해결장치(100)는 상기 제2 학습데이터를 기계학습하고, 특정 수학문제에 대한 일반화된 수식을 생성하여, 해당 일반화된 수식에 대한 시멘틱 네트워크를 참조하여 상기 특정 수학문제에 대한 해결과정을 생성하여 사용자에게 제공함으로서, 특정 수학문제에 대한 해결원리 및 해결과정을 효과적으로 습득할 수 있도록 한다. That is, the AI-based mathematical problem solving apparatus 100 may machine-learn the first learning data to provide a user with a solution strategy according to a specific mathematical problem, thereby improving the mathematical intuition of the user. In addition, the AI-based mathematical problem solving apparatus 100 machine-learns the second learning data, generates a generalized formula for a specific mathematical problem, and references the semantic network for the generalized formula to the specific mathematical problem. By creating a solution process for the user and providing it to the user, it is possible to effectively learn the principle and solution of the specific mathematical problem.

또한 인공지능 기반 수학문제 해결장치(100)는 다양한 수학연산자(예:log, sin, cosin 등) 상기 수학연산자가 나타내는 의미, 번역규칙(룰)이 상호 매핑된 매핑테이블을 인터프리터 데이터베이스(320)에 저장하고 있으면서, 특정 수학문제가 주어졌을 때, 해당 수학문제가 내포하고 있는 수학적 의미를 자연어로 해석하여 사용자에게 제공할 수 있다. 이를 통해 사용자로 하여금 상기 수학문제가 내포하고 있는 수학적 의미를 직관적으로 이해할 수 있도록 한다.In addition, the AI-based mathematical problem solving apparatus 100 includes a mapping table in which various mathematical operators (eg, log, sin, cosin, etc.) represented by the mathematical operators and translation rules (rules) are mutually mapped to the interpreter database 320. While storing, when a particular mathematical problem is given, the mathematical meaning contained in the mathematical problem can be interpreted and provided to the user in natural language. This allows the user to intuitively understand the mathematical meaning of the mathematical problem.

예를 들어, 특정 수학식이 log35 = x이면, 해당 수학식을 "5는 3의 몇(x)승?"으로 해석하여 해당 수학식에 대한 자연어 번역문을 사용자에게 제공할 수 있다. 즉, 상기 인터프리터 데이터베이스(320)는 수학식의 연산자, 해당 연산자가 나타내는 의미, 상기 연산자를 자연어로 번역하기 위한 소정의 규칙이 상호 매핑되어 있으며, 상기 인공지능 기반 수학문제 해결장치(100)는 특정 수학문제가 주어졌을 때, 해당 수학문제를 해석하여 해당 수학문제에 대한 자연어 번역문을 상기 사용자에게 제공할 수 있다. For example, certain equations are log 3 5 If = x, the equation can be interpreted as " (x) power of 3 " to provide a user with a natural language translation of the equation. That is, the interpreter database 320 is an operator of a mathematical expression, the meaning represented by the operator, a predetermined rule for translating the operator into a natural language is mapped to each other, the artificial intelligence-based mathematical problem solving apparatus 100 is specified When a math problem is given, the user may be provided with a natural language translation of the math problem by interpreting the math problem.

또한 인공지능 기반 수학문제 해결장치(100)는 특정 수학문제가 주어졌을 때, 상기 수학문제를 효과적으로 해결하기 위해 해당 수학문제에 논리적으로 접근하기 위한 문제해결계획을 수립하며, 상기 수립한 문제해결계획에 따라 상기에서 설명한 수학문제에 대한 해결전략, 해결방법, 자연어 번역문 또는 이들의 조합을 포함하는 수학문제 솔루션을 사용자에게 제공한다. 한편 상기 문제해결계획을 수립하는 과정에 대해서는 도 2를 참조하여 상세히 설명하도록 한다.In addition, the AI-based mathematical problem solving apparatus 100 establishes a problem solving plan for logically approaching the corresponding mathematical problem to solve the mathematical problem effectively, when a specific mathematical problem is given. In accordance with the present invention, a mathematical problem solution including a solution strategy, a solution method, a natural language translation, or a combination thereof is provided to the user. Meanwhile, the process of establishing the problem solving plan will be described in detail with reference to FIG. 2.

도 2는 본 발명의 일 실시예에 따른 인공지능 기반 수학문제 해결장치의 구성을 나타낸 블록도이다.Figure 2 is a block diagram showing the configuration of an artificial intelligence-based mathematical problem solving apparatus according to an embodiment of the present invention.

도 2에 도시한 바와 같이, 인공지능 기반 수학문제 해결장치(100)는 특정 수학문제가 입력되는 경우, 해당 수학문제에 대한 문제해결계획을 수립하는 문제해결계획 수립부(110), 수학문제와 해당 수학문제에 대한 해결전략 간의 매핑관계를 학습하여 상기 특정 수학문제에 대한 해결전략을 제공하는 직관엔진(120), 수학문제의 예와 해당 수학문제의 예에 대한 일반화된 수식 간의 매핑관계를 학습하여, 특정 수학문제에 대한 일반화된 수식을 생성하고, 상기 생성한 일반화된 수식을 기반으로 상기 특정 수학문제에 대한 해결방법을 생성하여 제공하는 로직엔진(130), 상기 특정 수학문제를 자연어로 번역하여 제공하는 수학문제 번역부(140), 자연어 처리부(150) 및 상기 인공지능 기반 수학문제 해결장치(100)를 전반적으로 제어하기 위한 제어부(미도시)를 포함하여 구성된다.As shown in FIG. 2, the AI-based math problem solving apparatus 100 may include a problem solving plan establishment unit 110, a math problem that establishes a problem solving plan for a corresponding math problem when a specific math problem is input. Intuitive engine 120 that provides a solution strategy for a particular math problem by learning a mapping relationship between solution strategies for a corresponding math problem, learning a mapping relationship between an example of a math problem and a generalized equation for an example of the math problem. By generating a generalized formula for a specific mathematical problem, a logic engine 130 for generating and providing a solution for the specific mathematical problem based on the generated generalized formula, translation of the specific mathematical problem to natural language And a controller (not shown) for overall control of the mathematical problem translation unit 140, the natural language processing unit 150, and the artificial intelligence-based mathematical problem solving apparatus 100 provided by the controller. It is configured to.

또한 상기 문제해결계획 수립부(110)는 특정 수학문제가 입력되는 경우, 해당 수학문제의 유형에 대한 복잡도를 판단하여, 상기 복잡도에 따라 상기 특정 수학문제에 대한 문제해결계획을 수립한다.In addition, when a specific math problem is input, the problem solving plan establishment unit 110 determines a complexity of the type of the corresponding math problem, and establishes a problem solving plan for the specific math problem according to the complexity.

또한 상기 문제해결계획 수립부(110)는 상기 수립한 문제해결계획에 따라 상기 직관엔진(110), 로직엔진(120) 또는 수학문제 번역부(140)에 특정 수학문제에 대한 해결전략, 상기 특정 수학문제에 대한 해결방법 및 해결방법에 대한 설명, 상기 특정 수학문제를 자연어로 번역한 수학문제 번역문을 각각 요청할 수 있다. 이후, 상기 문제해결계획 수립부(110)는 상기 요청한 특정 수학문제에 대한 해결전략, 상기 특정 수학문제에 대한 해결방법 및 해결방법에 대한 설명, 상기 특정 수학문제를 자연어로 번역한 수학문제 번역문 또는 이들의 조합을 포함하는 수학문제 솔루션을 생성하여 수학학습용 디바이스(200)로 제공한다. 한편 상기 수학문제 솔루션은 상기 요청을 통해 직관엔진(110), 로직엔진(130) 또는 수학문제 번역부(140)에 특정 수학문제에 대한 해결전략, 상기 특정 수학문제에 대한 해결방법 및 해결방법에 대한 설명, 상기 특정 수학문제를 자연어로 번역한 수학문제 번역문을 각각 수신함으로써, 생성된다.In addition, the problem solving plan establishment unit 110 is a solution strategy for a specific mathematical problem, the specific to the intuition engine 110, logic engine 120 or mathematical problem translation unit 140 in accordance with the established problem solving plan A solution to a mathematics problem, a description of a solution, and a translation of a mathematics problem in which the specific mathematics problem is translated into natural language may be requested. Subsequently, the problem solving plan establishment unit 110 may include a solution strategy for the requested specific math problem, a description of a solution method and a solution method for the specific math problem, a translation of a math problem in which the specific math problem is translated into natural language, or A math problem solution including a combination thereof is generated and provided to the device 200 for math learning. On the other hand, the mathematical problem solution to the intuition engine 110, the logic engine 130 or the mathematical problem translation unit 140 through the request for a solution to a specific math problem, a solution and a solution method for the particular math problem It is generated by receiving a description of each, the translation of the mathematical problem translation of the specific mathematical problem in natural language.

상기 문제해결계획 수립부(110)는 수학문제유형 데이터베이스(미도시)에 저장되는 수학문제유형과 상기 수학문제유형에 따른 복잡도를 매핑한 매핑테이블을 참조하여 상기 특정 수학문제에 대한 복잡도를 판단할 수 있다.The problem solving plan establishment unit 110 may determine the complexity of the specific mathematical problem by referring to a mapping table mapping the mathematical problem type stored in the mathematical problem type database (not shown) and the complexity according to the mathematical problem type. Can be.

상기 수학문제유형은 도형문제, 상이한 연산자의 수, 미분, 적분 등과 같이 수학문제에 대한 다양한 유형으로 분류되어 있으며, 상기 복잡도는 1 ~ 4단계로 구분되어 상기 유형에 따라 매핑되어 저장된다. 상기 수학문제유형은 높은 수치의 복잡도와 매핑될수록 복잡도가 높다.The mathematics problem types are classified into various types of mathematics problems such as figure problems, number of different operators, derivatives, integrals, and the like. The complexity is divided into 1 to 4 levels and mapped and stored according to the types. The higher the complexity is mapped to the higher numerical complexity.

예를 들어, 하나의 연산자(예: a/b)로 구성되거나, 단순히 도형의 면적을 구하는 수학문제유형인 경우에는 복잡도 1과 매핑되어 저장될 수 있으며, 3개 이상의 연산자 혹은 적분과 같은 수학문제유형은 복잡도 3 내지 4와 매핑되어 저장될 수 있다.For example, a mathematical problem type that consists of one operator (eg a / b) or simply calculates the area of a figure can be mapped to complexity 1 and stored in three or more operators or integrals. Types may be stored mapped to complexity 3-4.

상기 수학문제에 포함되는 상이한 연산자의 수가 하나로 구성되는 경우(즉, 복잡도 1)와 같이 해당 수학문제를 번역하는 것만으로도 해당 수학문제를 해결할 수 있는 경우에는 상기 문제해결계획에 따른 솔루션은 수학문제 번역부(140)를 통한 자연어 번역문만을 포함하는 것으로 구성될 수 있다.If the math problem can be solved simply by translating the math problem, such as when the number of different operators included in the math problem is composed of one (i.e., complexity 1), the solution according to the problem solving plan is a math problem. It may be configured to include only the natural language translation through the translation unit 140.

예를 들어, 수학식 "log10x = 3"과 같이 상기 특정 수학문제가 연산자 하나로 구성된 경우, 상기 수학문제 번역부(140)를 통해 상기 수학문제는 "x는 10의 3승이다."로 번역될 수 있다. 이와 같이 자연어 번역문만으로도 상기 수학식의 변수 x를 풀어낼 수 있다.For example, the equation "log 10 x = 3 ", when the specific math problem is composed of one operator, the math problem through the math problem translation unit 140 may be translated to" x is the power of 10. " The variable x in the equation can be solved.

또한 상기 수학문제유형이 복잡도 2와 매핑된 경우, 상기 직관엔진(120)을 통한 특정 수학문제에 대한 해결전략만을 상기 수학문제 솔루션으로 구성할 수 있으며, 상기 수학문제 유형이 복잡도 3과 매핑된 경우, 상기 로직엔진(130)을 통한 특정 수학문제에 대한 해결방법 및 상기 해결방법에 대한 설명만을 상기 수학문제 솔루션으로 구성할 수 있다. 또한 상기 수학문제유형이 복잡도 4와 매핑된 경우 상기 직관엔진(120), 로직엔진(130), 수학문제 번역부(140)로부터 수신되는 정보를 모두 포함하여 상기 수학문제 솔루션으로 구성할 수 있다.In addition, when the math problem type is mapped to complexity 2, only a solution strategy for a specific math problem through the intuition engine 120 may be configured as the math problem solution, and when the math problem type is mapped to complexity 3 The solution to the specific math problem and the description of the solution through the logic engine 130 may be configured as the math problem solution. In addition, when the math problem type is mapped to complexity 4, the math problem solution may include all the information received from the intuition engine 120, the logic engine 130, and the math problem translation unit 140.

즉, 상기 문제해결계획은 특정 수학문제에 대한 복잡도를 판단함으로써 수립되며, 상기 문제해결계획에 따른 수학문제 솔루션은 직관엔진(120)을 통해 제공되는 특정 수학문제에 대한 해결전략, 상기 로직엔진(130)을 통해 제공되는 상기 특정 수학문제에 대한 해결방법 및 상기 해결방법에 대한 설명, 상기 수학문제 번역부(140)를 통해 제공되는 자연어 번역문 또는 이들의 조합으로 구성된다.That is, the problem solving plan is established by determining the complexity of a specific math problem, the math problem solution according to the problem solving plan is a solution strategy for a specific math problem provided through an intuition engine 120, the logic engine ( The solution to the specific math problem provided through 130), a description of the solution, and a natural language translation provided through the math problem translation unit 140, or a combination thereof.

한편 특정 수학문제가 입력되는 경우, 해당 수학문제에 대한 문제해결계획은 문제해결계획 수립부(110)를 통해 자동으로 수립되는 것이 바람직 하지만, 사용자의 선택에 따라 수립될 수 있다.Meanwhile, when a specific math problem is input, the problem solving plan for the corresponding math problem is preferably automatically established through the problem solving plan establishment unit 110, but may be established according to a user's selection.

즉, 문제해결계획 수립부(110)는 특정 수학문제에 대하여, 해당 수학문제를 직관적으로 해결하기 위한 해결전략, 해당 수학문제의 해결과정, 해당 수학문제에 대한 수학적 의미에 대한 자연어 번역문 또는 이들의 조합을 선택할 수 있도록 하여, 사용자 스스로가 해당 수학문제에 대한 문제해결계획을 수립하도록 할 수 있다.That is, the problem-solving plan planning unit 110 for a specific math problem, a solution strategy for intuitively solving the math problem, the process of solving the math problem, natural language translations for the mathematical meaning of the math problem or their The combination can be selected, allowing the user to develop a problem solving plan for the math problem.

또한 직관엔진(120)은 상기 수립한 문제해결계획에 따라 상기 문제해결계획 수립부(110)로부터 특정 수학문제에 대한 해결전략을 요청받은 경우, 해당 수학문제에 대한 최적의 해결전략을 생성하여 상기 문제해결계획 수립부(120)로 제공하여 사용자에게 제공할 수 있도록 하는 기능을 수행한다.In addition, when the intuition engine 120 receives a request for a solution to a specific math problem from the problem solving plan establishment unit 110 according to the established problem solving plan, the intuition engine 120 generates an optimal solution strategy for the corresponding math problem. Provides to the problem-solving plan establishment unit 120 performs a function to be provided to the user.

상기 해결전략을 생성하기 위한 상기 직관엔진(120)은 상기 학습데이터 데이터베이스(310)에 저장된 수학문제와 해당 수학문제에 대한 해결전략을 매핑한 매핑 테이블을 기계학습하여 제1 학습모델을 생성하는 제1 학습모델 생성부(121) 및 상기 생성한 제1 학습모델을 이용하여 특정 수학문제에 대한 해결전략을 생성하고 제공하는 수학문제 해결전략 제공부(122)를 포함하여 구성된다.The intuitive engine 120 for generating the solution strategy generates a first learning model by machine learning a mapping table that maps a math problem stored in the learning data database 310 and a solution strategy for the math problem. 1 includes a learning model generator 121 and a math problem solving strategy provider 122 for generating and providing a solution strategy for a specific math problem using the generated first learning model.

제1 학습모델 생성부(121)는 제1 학습데이터를 학습하여 특정 수학문제에 대한 해결전략을 생성하기 위한 제1 학습모델을 생성한다.The first learning model generator 121 generates a first learning model for generating a solution strategy for a specific math problem by learning the first learning data.

한편 상기 제1 학습데이터는 수학문제, 해당 수학문제를 직관적으로 해결하기 위한 해결전략이 상호 매핑된 매핑테이블이다.Meanwhile, the first learning data is a mapping table in which a math problem and a solution strategy for intuitively solving the math problem are mapped to each other.

따라서 상기 제1 학습모델 생성부(121)는 수학문제와 상기 수학문제에 대한 해결전략 간의 매핑관계를 학습하여 상기 특정 수학문제에 대한 적어도 하나 이상의 해결전략을 출력하기 위한 제1 학습모델을 생성하여 학습모델 데이터베이스(330)에 저장한다.Accordingly, the first learning model generator 121 learns a mapping relationship between a math problem and a solution strategy for the math problem, and generates a first learning model for outputting at least one solution strategy for the specific math problem. The training model is stored in the database 330.

또한 상기 제1 학습모델 생성부(121)에 의해 생성된 제1 학습모델의 입력은 특정 수학문제가 되며, 상기 제1 학습모델의 출력은 상기 입력된 특정 수학문제를 해결하기 위한 적어도 하나 이상의 해결전략이 된다.In addition, the input of the first learning model generated by the first learning model generating unit 121 becomes a specific math problem, and the output of the first learning model is one or more solutions for solving the input specific math problem. It becomes a strategy.

한편 상기 해결전략은 사용자로 하여금 상기 특정 수학문제를 직관적으로 해결할 수 있는 방법을 제시하는 것으로, 상기 특정 수학문제를 해결하기 위한 힌트, 숏컷, 제안 또는 이들의 조합을 포함한다.On the other hand, the solution strategy is to present a way for the user to solve the specific mathematical problem intuitively, and includes a hint, a shortcut, a proposal or a combination thereof for solving the specific mathematical problem.

즉, 상기 제1 학습모델은 특정 수학문제를 해결하기 위한 최적의 해결전략을 제공하기 위해 생성되는 것으로, 상기 해결전략을 통해 사용자는 수학적 직관력을 현저하게 향상시킬 수 있다.That is, the first learning model is generated to provide an optimal solution strategy for solving a specific math problem, and through the solution strategy, a user can significantly improve mathematical intuition.

또한 수학문제 해결전략 제공부(122)는 상기 문제해결계획 수립부(110)로부터 특정 수학문제의 해결전략에 대한 요청을 수신한 경우, 상기 학습모델 데이터베이스(330)로부터 제1 학습모델을 로딩하여 상기 문제해결계획 수립부(110)로부터 수신되는 특정 수학문제를 상기 로딩한 제1 학습모델에 적용함으로써, 해당 수학문제에 대한 해결전략을 생성하여 상기 문제해결계획 수립부(110)로 제공한다.In addition, the mathematics problem solving strategy provider 122 receives a request for a solution of a specific mathematics problem from the problem solving plan establishment unit 110, by loading a first learning model from the learning model database 330 By applying a specific math problem received from the problem solving plan establishment unit 110 to the loaded first learning model, a solution strategy for the corresponding math problem is generated and provided to the problem solving plan establishment unit 110.

직관엔진(120)은 지도학습(supervised learning)방법의 한 종류인 ANN(artificial neural network) 또는 CNN(convolution neural network)와 같은 기계학습방법을 통해 상기 제1 학습데이터를 학습할 수 있다. 한편 ANN 및 CNN을 통한 상기 직관엔진(120)의 기계학습 구조는 도 3 및 도 4를 참조하여 상세히 설명하도록 한다.The intuition engine 120 may learn the first learning data through a machine learning method such as an artificial neural network (ANN) or a convolution neural network (CNN), which is a kind of supervised learning method. Meanwhile, the machine learning structure of the intuition engine 120 through ANN and CNN will be described in detail with reference to FIGS. 3 and 4.

또한 로직엔진(130)은 상기 수립한 문제해결계획에 따라 상기 문제해결계획 수립부(110)로부터 특정 수학문제에 대한 해결과정을 요청받은 경우, 해당 수학문제에 대한 해결과정을 생성하여 상기 문제해결계획 수립부(120)로 제공하여 사용자에게 제공할 수 있도록 하는 기능을 수행한다.In addition, when the logic engine 130 is requested to solve a specific math problem from the problem solving plan establishment unit 110 according to the established problem solving plan, the logic engine 130 generates a solution process for the corresponding math problem and solves the problem. Provides to the plan establishment unit 120 performs a function to be provided to the user.

한편 상기 해결과정을 생성하기 위한 로직엔진(130)은 상기 학습데이터 데이터베이스(310)에 저장된 제2 학습데이터를 기계학습하여 제2 학습모델을 생성하는 제2 학습모델 생성부(131) 및 상기 특정 수학문제에 대한 해결과정을 생성하고 제공하는 수학문제 해결과정 제공부(132)를 포함하여 구성된다.In the meantime, the logic engine 130 for generating the solution process includes a second learning model generator 131 for generating a second learning model by machine learning the second learning data stored in the learning data database 310 and the specific learning. It is configured to include a mathematical problem solving process providing unit 132 for generating and providing a solution for a mathematical problem.

제2 학습데이터는 수학문제의 일예와 해당 수학문제의 일예에 대한 일반화된 수식이 상호 매핑된 매핑테이블이다.The second learning data is a mapping table in which an example of a math problem and a generalized formula for the example of the math problem are mapped to each other.

제2 학습모델 생성부(131)는 상기 매핑테이블의 수학문제의 일예와 상기 수학문제의 일예에 대한 일반화된 수식 간의 매핑관계를 학습하여, 특정 수학문제에 대한 일반화된 수식을 출력하기 위한 제2 학습모델을 생성하고, 상기 생성한 제2 학습모델을 학습데이터 데이터베이스(330)에 저장한다.The second learning model generator 131 learns a mapping relationship between an example of a math problem in the mapping table and a generalized equation for the example of the math problem, and outputs a generalized equation for a specific math problem. A learning model is generated and the generated second learning model is stored in the learning data database 330.

한편 제2 학습모델 생성부(131)는 상기 제2 학습데이터를 기계학습함에 있어, 지도학습(supervised learning)방법의 한 종류인 EBL(explanation based learning)과 같은 기계학습방법을 통해 상기 제2 학습데이터를 학습할 수 있다. 이를 통해 적은 양의 학습데이터만으로도 다양한 수학문제에 대한 일반화된 수식을 학습할 수 있다.On the other hand, the second learning model generation unit 131 in the machine learning the second learning data, the second learning through a machine learning method, such as EBL (explanation based learning) which is a kind of supervised learning method You can learn the data. Through this, it is possible to learn generalized formulas for various math problems with only a small amount of learning data.

또한 수학문제 해결방법 제공부(132)는 상기 문제해결계획 수립부(110)로부터 특정 수학문제의 해결방법 및 해결방법에 대한 설명에 대한 요청을 수신한 경우, 상기 학습모델 데이터베이스(330)로부터 제2 학습모델을 로딩한다. 이후, 상기 수학문제 해결방법 제공부(132)는 상기 로딩한 제2 학습모델에 상기 문제해결계획 수립부(110)로부터 수신되는 특정 수학문제를 적용하여 해당 수학문제에 대한 일반화된 수식을 도출한다.In addition, when the mathematics problem solution providing unit 132 receives a request for a solution to a specific mathematics problem and a description of a solution method from the problem solving plan establishment unit 110, the mathematics problem solving method providing unit 132 from the learning model database 330 2 Load the learning model. Thereafter, the mathematics problem solving method providing unit 132 applies a specific mathematics problem received from the problem solving plan establishment unit 110 to the loaded second learning model to derive a generalized equation for the corresponding mathematics problem. .

다음으로 수학문제 해결방법 제공부(132)는 상기 도출한 일반화된 수식에 대한 시멘틱 네트워크를 시멘틱 네트워크 데이터베이스(340)로부터 로딩하여, 해당 수학문제에 대한 해결방법 및 해결방법에 대한 설명을 생성하여 상기 문제해결계획 수립부(110)로 제공한다.Next, the mathematical problem solution providing unit 132 loads the semantic network for the derived generalized equation from the semantic network database 340 to generate a description of a solution and a solution for the corresponding mathematical problem. Provides to the problem solving plan establishment unit (110).

수학문제 해결방법 및 해결방법에 대한 설명은 수학문제를 최종적으로 풀이하기 위해 각 단계별 해결과정 및 해결과정에 대한 설명을 각각 포함하는 것으로 상기 각 단계별 해결과정과 상기 각 단계별 해결과정에 대한 설명을 순차적으로 생성하여 상기 문제해결계획 수립부(110)로 제공함으로써, 상기 특정 수학문제에 대한 해결방법 및 해결방법에 대한 설명을 상기 사용자에게 제공할 수 있도록 한다. 한편 상기 로직엔진(130)을 통해 수학문제 해결방법 및 해결방법에 대한 설명을 제공하는 방법에 대해서는 도 5를 참조하여 상세히 설명하도록 한다.The explanation of the solution to the mathematics problem and the explanation of the solution includes a description of each step and the process of solving each step in order to finally solve the mathematics problem. By generating and providing to the problem-solving plan establishment unit 110, it is possible to provide the user with a description of the solution and the solution method for the particular mathematical problem. On the other hand, a method for providing a description and a method for solving a mathematical problem through the logic engine 130 will be described in detail with reference to FIG.

또한 수학문제 번역부(140)는 문제해결계획 수립부(110)로부터 특정 수학문제에 대한 자연어 번역문을 요청받은 경우, 상기 문제해결계획 수립부(110)로부터 수신되는 특정 수학문제로부터 연산자 및 인자를 추출하고, 상기 인터프리터 데이터베이스(320)에 저장된 연산자, 수학연산자가 나타내는 의미, 번역규칙이 상호 매핑된 매핑테이블을 참조하여 상기 추출한 연산자 및 인자를 포함한 상기 수학문제의 수학적 표현에 대한 의미를 자연어로 번역한 수학문제 번역문을 생성하여 상기 문제해결계획 수립부(110)로 제공함으로써, 사용자에게 제공할 수 있도록 한다.In addition, when the mathematics problem translation unit 140 receives a natural language translation for a particular mathematics problem from the problem-solving plan planning unit 110, the math problem translation unit 140 receives an operator and a factor from a particular mathematics problem received from the problem-solving plan planning unit 110. Extract and translate the meaning of the mathematical expression of the mathematical problem including the extracted operator and argument with reference to the mapping table in which the operator, the mathematical operator represented in the interpreter database 320 and the translation rule are mutually mapped. By generating a translation of the mathematical problem to the problem solving plan establishment unit 110, it can be provided to the user.

한편 자연어 처리부(150)는 상기 수학문제 번역부(140)와 반대의 기능을 수행하는 것으로, 자연어 문장으로 입력되는 수학문제(예: 10을 5로 나누면 얼마인가?)를 일반적인 수학식(x = 10/5)으로 번역하여 사용자에게 제공한다.Meanwhile, the natural language processor 150 performs a function opposite to that of the mathematical problem translator 140. The natural language processor 150 converts a mathematical problem (eg, 10 divided by 5) into a natural language sentence (x = 10/5) and provide it to the user.

상기 자연어 처리부(150)는 상기 입력되는 수학문제에 대한 자연어 문장을 형태소, 구절단위, 구문단위 또는 이들의 조합을 포함한 자연어 처리를 통해 상기 자연어 문장으로부터 유의미한 단어를 추출함으로써, 상기 자연어 문장의 수학문제를 일반적인 수학식으로 번역하여 사용자에게 제공할 수 있다. 한편 상기 자연어 처리부(150)는 공지된 인공지능 기반의 자연어 처리 기술을 통해 상기 자연어로 입력되는 수학문제를 수학식으로 번역하여 상기 사용자에게 제공할 수 있도록 구현될 수 있다.The natural language processing unit 150 extracts a meaningful word from the natural language sentence through natural language processing including a morpheme, a phrase unit, a phrase unit, or a combination thereof for the natural language sentence for the input mathematical problem, thereby solving the mathematical problem of the natural language sentence. May be translated into a general equation and provided to the user. The natural language processor 150 may be implemented to translate the mathematical problem inputted into the natural language into a mathematical expression through a known artificial intelligence-based natural language processing technology and provide the same to the user.

이하에서는 도 3 및 도 4를 참조하여 상기 직관엔진(120)의 기계학습 구조를 상세히 설명하도록 한다.Hereinafter, the machine learning structure of the straight pipe engine 120 will be described in detail with reference to FIGS. 3 and 4.

도 3은 본 발명의 일 실시예에 따른 직관엔진에서 ANN을 통해 기계학습을 수행하는 경우, ANN의 기계학습 구조와 학습과정을 설명하기 위해 나타낸 도면이다.3 is a diagram illustrating a machine learning structure and a learning process of an ANN when machine learning is performed through an ANN in an intuition engine according to an embodiment of the present invention.

도 3에 도시한 바와 같이, 본 발명의 일 실시예에 따른 직관엔진(120)의 제1 학습모델 생성부(121)는 수학문제와 해당 수학문제에 대한 해결전략을 매핑한 매핑테이블(즉, 제1 학습데이터)을 기계학습하여 특정 수학문제에 대한 해결전략을 출력하기 위한 제1 학습모델을 생성한다.As shown in FIG. 3, the first learning model generator 121 of the intuition engine 120 according to an embodiment of the present invention is a mapping table (ie, mapping a math problem and a solution strategy for the math problem). Machine learning the first learning data) to generate a first learning model for outputting a solution strategy for a specific math problem.

한편 제1 학습모델 생성부(121)에서 ANN을 통해 제1 학습데이터를 기계학습하여 제1 학습모델을 생성하는 경우, 상기 ANN의 기계학습구조는 수학문제가 입력되는 적어도 하나 이상의 입력 노드를 포함하는 입력 레이어, 적어도 하나 이상의 히든 노드를 포함하는 히든 레이어 및 적어도 하나 이상의 출력 노드를 포함하는 출력 레이어를 포함하여 구성된다.On the other hand, when the first learning model generation unit 121 generates a first learning model by machine learning the first learning data through the ANN, the machine learning structure of the ANN includes at least one input node into which a math problem is input. And an input layer, a hidden layer including at least one hidden node, and an output layer including at least one output node.

또한 입력 레이어는 수학문제와 해당 수학문제에 대한 해결전략을 매핑한 제1 학습데이터를 입력받으며, 히든 레이어는 상기 입력 레이어 및 출력 레이어와 특정 가중치를 가지는 링크(link)를 통해 각각 연결된다.In addition, the input layer receives first learning data that maps a math problem and a solution strategy for the math problem, and the hidden layer is connected to the input layer and the output layer through a link having a specific weight.

또한 ANN은 상기 입력 레이어, 히든 레이어 및 출력 레이어를 각각 연결하는 링크의 가중치를 조정해가면서 주어진 입력과 상기 주어진 입력에 대한 원하는 출력의 쌍(즉, 수학문제와 해당 수학문제에 대한 해결전략)을 기계학습함으로써, 기계학습되지 않은 수학문제에 대해서도 해당 수학문제를 접근하기 위한 해결전략을 출력할 수 있도록 한다.In addition, ANN adjusts the weights of the links connecting the input layer, the hidden layer, and the output layer, respectively, to determine a pair of desired inputs and desired outputs for the given inputs (ie, a mathematical problem and a solution strategy for the corresponding mathematical problem). By machine learning, it is possible to output a solution strategy for approaching a mathematics problem even if it is not a machine learning.

또한 링크의 가중치는 백프로퍼게이션(back propagation)방법을 통해 조정되며, 상기 조정을 통해 제1 학습데이터의 특정 수학문제에 대한 해결전략이 정확하게 출력될 수 있도록 한다. In addition, the weight of the link is adjusted through a back propagation method, and through this adjustment, a solution strategy for a specific mathematical problem of the first learning data can be accurately output.

즉, ANN은 상기 제1 학습데이터를 통해 미리 알고 있는 수학문제에 대한 해결전략을 출력하기 위해 백프로퍼게이션 방법으로 상기 입력 레이어, 히든 레이어 및 출력 레이어 간의 링크에 대한 가중치를 조정함으로써, 상기 제1 학습데이터를 기계학습한다. 이를 통해 특정 수학문제에 대한 최적의 해결전략을 출력할 수 있다.That is, the ANN adjusts the weight of the link between the input layer, the hidden layer, and the output layer by a backpropagation method to output a solution strategy for a known mathematical problem through the first learning data. Machine learning the learning data. Through this, it is possible to output the optimal solution strategy for a specific math problem.

또한 출력 레이어는 적어도 하나 이상의 해결전략을 출력하며, 상기 각각의 해결전략은 0 ~ 1 사이의 확률값을 가지며, 상기 각각의 해결전략에 대한 확률값을 모두 더하면 1이 된다.In addition, the output layer outputs at least one solution strategy, and each solution strategy has a probability value between 0 and 1, and the probability value for each solution strategy is added to 1.

직관엔진(120)에서 ANN을 통해 제1 학습데이터를 기계학습하여 수학문제에 대한 해결전략을 출력하기 위해 생성되는 제1 학습모델의 입력은 상기 문제해결계획 수립부(110)에서 제공되는 특정 수학문제가 되며, 출력은 상기 특정 수학문제에 대한 적어도 하나 이상의 해결전략을 포함한다.An input of the first learning model generated to output a solution strategy for a mathematics problem by machine learning the first learning data through the ANN in the intuition engine 120 is a specific mathematics provided by the problem solving plan establishment unit 110. Problem, and the output includes at least one solution strategy for the particular mathematical problem.

또한 직관엔진(120)은 상기 제1 학습모델을 통해 출력되는 적어도 하나 이상의 해결전략 중 높은 확률값을 가지는 해결전략을 선택함으로써, 문제해결계획 수립부(110)로부터 제공되는 특정 수학문제에 대한 해결전략을 생성하며, 상기 생성한 해결전략을 상기 문제해결계획 수립부(110)로 제공한다.In addition, the intuition engine 120 selects a solution strategy having a high probability value among at least one or more solution strategies output through the first learning model, thereby solving a specific math problem provided by the problem solution plan establishment unit 110. It generates and provides the generated solution strategy to the problem solution plan establishment unit (110).

이후, 상기 문제해결계획 수립부(110)는 직관엔진(120)으로부터 제공받은 특정 수학문제에 대한 해결전략을 수학학습용 디바이스(200)로 제공함으로써, 사용자로 하여금 해당 수학문제에 대한 해결전략을 인식할 수 있도록 한다.Thereafter, the problem solving plan establishment unit 110 provides a solution for solving a specific math problem provided by the intuition engine 120 to the math learning device 200, thereby allowing a user to recognize a solution strategy for the corresponding math problem. Do it.

이하에서는 도 4를 참조하여 상기 직관엔진(120)에서 CNN(convolution neural network)을 통해 제1 학습데이터를 기계학습하는 경우, 상기 CNN의 기계학습구조와 학습과정을 상세히 설명하도록 한다.Hereinafter, when machine learning the first learning data through the CNN (convolution neural network) in the intuition engine 120, the machine learning structure and the learning process of the CNN will be described in detail.

도 4는 본 발명의 일 실시예에 따른 직관엔진에서 CNN을 통해 제1 학습데이터를 기계학습하는 경우, CNN의 기계학습 구조와 학습과정을 설명하기 위해 나타낸 도면이다.4 is a diagram illustrating a machine learning structure and a learning process of a CNN when machine learning the first learning data through the CNN in an intuition engine according to an embodiment of the present invention.

도 4에 도시한 바와 같이, 인공지능 기반 수학문제 해결장치(100)의 직관엔진(120)에서 CNN을 통해 제1 학습데이터를 기계학습하는 경우, 상기 CNN의 학습구조는 전처리 과정을 통해 이미지화된 제1 학습데이터가 입력되는 입력 레이어, 컨볼루션(convolution) 레이어, 풀링(pooling) 레이어 및 완전연관(fully connected)레이어로 구성된다.As illustrated in FIG. 4, when machine learning the first learning data through the CNN in the intuitive engine 120 of the AI-based math problem solving apparatus 100, the learning structure of the CNN is imaged through a preprocessing process. The first learning data is composed of an input layer, a convolutional layer, a pooling layer, and a fully connected layer.

한편 CNN을 통해 상기 제1 학습데이터를 기계학습하는 경우, 상기 인공지능 기반 수학문제 해결장치(100)는 상기 제1 학습데이터를 CNN에 적합한 데이터로 변환하는 전처리 과정을 수행한다.On the other hand, when the machine learning the first learning data through the CNN, the artificial intelligence-based mathematical problem solving apparatus 100 performs a preprocessing process to convert the first learning data into data suitable for the CNN.

상기 전처리 과정은 상기 제1 학습데이터를 구성하는 각각의 수학문제와 상기 각 수학문제에 대한 해결전략을 소정의 과정에 따라 수치화하고, 상기 수치화한 각각의 수학문제와 해당 수학문제와 매핑된 해결전략을 하나의 단위 이미지로 각각 변환한다.The preprocessing process quantifies each math problem constituting the first learning data and a solution strategy for each math problem according to a predetermined process, and the solution strategy mapped to each quantized math problem and the corresponding math problem. Convert each to a single unit image.

다음으로 인공지능 기반 수학문제 해결장치(100)는 상기 복수의 단위 이미지를 결합하여 특정 해상도(예: 32 x 32)를 가지는 이미지 데이터를 생성한다.Next, the AI-based mathematical problem solving apparatus 100 combines the plurality of unit images to generate image data having a specific resolution (eg, 32 x 32).

즉, 상기 이미지 데이터는 수치화된 상기 제1 학습데이터가 이미지화 된 것으로, 상기 제1 학습데이터의 용량에 따라 적어도 하나 이상으로 구성될 수 있다.That is, the image data may be composed of at least one of the numerically formed first learning data according to the capacity of the first learning data.

또한 상기 입력 레이어는 상기 전처리 과정을 통해 이미지 데이터로 변환된 제1 학습데이터를 입력받으며, 상기 컨볼루션 레이어는 특정 가중치를 가지는 커널을 미리 설정한 스트라이드(상기 커널의 이동단위를 의미함)에 따라 상기 제1 학습데이터에 대한 이미지 데이터의 특정 부분과 상기 커널의 가중치를 컨볼루션 하여, 상기 이미지 데이터의 특정 부분에 대한 특징 맵을 생성하여 출력한다. In addition, the input layer receives first training data converted into image data through the preprocessing process, and the convolution layer according to a stride (meaning a moving unit of the kernel) which presets a kernel having a specific weight. A specific map of the image data with respect to the first training data and a weight of the kernel are convolved to generate and output a feature map for the specific part of the image data.

또한 풀링 레이어는 상기 커널과 스트라이드의 크기에 따라 상기 컨볼루션 레이어로부터 출력되는 특징 맵을 풀링함으로써, 상기 특징 맵을 적어도 하나 이상의 서브 이미지 데이터로 서브 샘플링한다.The pooling layer subsamples the feature map into at least one sub-image data by pooling the feature map output from the convolutional layer according to the size of the kernel and the stride.

한편 서브 샘플링은 맥스 풀링(max pooling) 또는 에버리지 풀링(average pooling) 방법을 통해 수행될 수 있다.On the other hand, subsampling may be performed through a max pooling or average pooling method.

또한 상기 CNN은 상기 컨볼루션 레이어와 풀링 레이어가 하나의 쌍으로 구성되어 적어도 하나 이상으로 구현되어 상기 컨볼루션 레이어를 통한 컨볼루션과 상기 풀링 레이어를 통한 서브 샘플링 과정을 반복적으로 수행할 수 있으며, 이를 통해 특정 수학문제의 해결전략에 대한 최적화된 특징 맵을 생성할 수 있다.In addition, the CNN may be implemented as at least one of the convolution layer and the pooling layer in a pair, and may repeatedly perform the convolution through the convolution layer and the subsampling through the pooling layer. Through this, an optimized feature map for solving a specific math problem can be generated.

또한 완전연관 레이어는 상기 생성한 적어도 하나 이상의 특징 맵을 연결시켜 특정 수학문제에 대한 해결전략을 출력할 수 있도록 한다. 이때, 출력되는 상기 해결전략을 적어도 하나 이상으로 구성되고, 상기 각각의 해결전략은 0 ~ 1 사이의 확률값을 가지며, 소프트 맥스(soft max)를 통해 제일 높은 확률값을 가지는 해결전략을 선택함으로써, 상기 특정 수학문제에 대한 최적을 해결전략을 생성한다.In addition, the complete association layer connects the generated one or more feature maps to output a solution strategy for a specific mathematical problem. In this case, at least one of the output resolution solutions is configured, and each resolution strategy has a probability value between 0 and 1, and by selecting a resolution strategy having the highest probability value through soft max, Generate optimal solution strategies for specific math problems.

이러한 과정을 통해 상기 직관엔진(120)은 수학문제와 상기 수학문제의 해결전략 간의 매핑관계를 기계학습하여 CNN을 통한 제1 학습모델을 생성할 수 있으며, 상기 제1 학습모델의 입력은 문제해결계획 수립부(110)에서 제공되는 특정 수학문제가 되며, 출력은 상기 특정 수학문제에 대한 해결전략이 된다.Through this process, the intuitive engine 120 may generate a first learning model through CNN by machine learning a mapping relationship between a math problem and a solution strategy of the math problem, and inputting the first learning model may solve the problem. It becomes a specific math problem provided by the planner 110, the output is a solution strategy for the particular math problem.

한편 특정 수학문제는 상기에서 설명한 것과 전처리 과정을 통해 이미지화되어 상기 제1 학습모델에 입력된다.Meanwhile, a specific math problem is imaged through the preprocessing process as described above and input into the first learning model.

또한 직관엔진(120)은 상기 제1 학습모델을 통해 출력되는 적어도 하나 이상의 해결전략 중 가장 높은 확률값을 가지는 해결전략을 선택함으로써, 상기 특정 수학문제에 대한 해결전략을 생성하여 사용자에게 제공할 수 있도록 한다.In addition, the intuition engine 120 selects a solution strategy having the highest probability value among at least one or more solution strategies output through the first learning model to generate a solution strategy for the specific math problem and provide the solution to the user. do.

도 3 및 도 4를 참조하여 설명한 것과 같이, 본 발명의 일 실시예에 따른 직관엔진(120)은 ANN 또는 CNN을 통해 수학문제와 해당 수학문제에 대한 해결전략을 기계학습하여 제1 학습모델을 생성할 수 있다. 또한 직관엔진(120)은 상기 제1 학습모델을 통해 사용자에게 특정 수학문제에 대한 최적의 해결전략을 생성하여 제공함으로서, 사용자로 하여금 특정 수학문제를 해결하기 위한 수학적 직관력을 효과적으로 습득할 수 있도록 한다. 다만 본 발명에서 상기 제1 학습데이터를 ANN 혹은 CNN을 통해 학습하는 것이 바람직하지만, 특정 수학문제에 대해 최적의 해결전략을 출력하는 것이 주된 목적이므로, 상기 제1 학습데이터를 학습하기 위한 기계학습방법은 그 제한을 두지 않는다.As described above with reference to FIGS. 3 and 4, the intuition engine 120 according to an embodiment of the present invention uses a ANN or a CNN to machine learn a mathematics problem and a solution strategy for the mathematics problem to generate a first learning model. Can be generated. In addition, the intuition engine 120 generates and provides an optimal solution strategy for a specific math problem to the user through the first learning model, thereby allowing the user to effectively acquire mathematical intuition for solving a specific math problem. . However, in the present invention, it is preferable to learn the first learning data through ANN or CNN, but since the main purpose is to output an optimal solution strategy for a specific math problem, the machine learning method for learning the first learning data. Does not place that limit.

또한 상기 직관엔진(120)은 상기 제1 학습데이터가 업데이트 되는 경우, 상기 업데이트된 제1 학습데이터를 반영하여 고도화된 학습모델을 생성할 수 있도록 함으로써, 특정 수학문제에 대한 최적화된 해결전략을 사용자에게 제공할 수 있다.In addition, when the first learning data is updated, the intuition engine 120 may generate an advanced learning model by reflecting the updated first learning data, thereby enabling an optimized solution strategy for a specific math problem. Can be provided to

도 5는 본 발명의 실시예에 따른 로직엔진에서 시멘틱 네트워크를 통해 특정 수학문제에 대한 해결방법 및 이에 대한 설명을 제공하는 방법을 설명하기 위해 나타낸 도면이다.FIG. 5 is a diagram illustrating a method for solving a specific mathematical problem and providing a description thereof through a semantic network in a logic engine according to an embodiment of the present invention.

도 5에 도시한 바와 같이, 본 발명의 일 실시예에 따른 로직엔진(130)은 문제해결계획 수립부(110)로부터 특정 수학문제에 대한 해결방법 및 해결방법에 대한 설명 요청을 수신한 경우, 제2 학습모델을 학습모델 데이터베이스(330)로부터 로딩한다.As shown in FIG. 5, when the logic engine 130 according to an embodiment of the present invention receives a request for explanation of a method and a solution for a specific math problem from the problem solving plan establishment unit 110, The second learning model is loaded from the learning model database 330.

상기 제2 학습모델은 수학문제에 대한 예제와 해당 수학문제에 대한 예제의 일반화된 수식 간의 매칭관계를 설명기반 기계학습(explanation based learning) 등과 같은 지도 학습(supervised learning)방법을 통해 학습하여 생성된 것으로, 적은 수의 예제만으로도 학습하지 않은 특정 수학문제를 일반화할 수 있다.The second learning model is generated by learning a matching relationship between an example for a math problem and a generalized formula of an example for the math problem through supervised learning methods such as explanation based learning. Thus, a small number of examples can generalize certain mathematical problems that have not been learned.

다음으로 로직엔진(130)는 상기 제2 학습모델을 통해 출력되는 특정 수학문의 일반화된 수식에 대한 시멘틱 네트워크(semantic network)를 시멘틱 네트워크 데이터베이스(340)로부터 로딩한다.Next, the logic engine 130 loads from the semantic network database 340 a semantic network for a generalized formula of a specific mathematical sentence output through the second learning model.

상기 시멘틱 네트워크는 루트 노드(loot node), 복수의 내부 노드(internal node) 및 복수의 리프 노드(leaf node)가 계층적으로 형성되는 트리 구조로 구성된다.The semantic network includes a tree structure in which a root node, a plurality of internal nodes, and a plurality of leaf nodes are hierarchically formed.

상기 루트 노드는 특정 수학문제에 대한 일반화된 수식을 나타내며, 상기 복수의 내부 노드는 상기 특정 수학문제를 해결하기 위한 해결과정인 중간풀이 과정에 의한 중간풀이 수식을 나타낸다.The root node represents a generalized formula for a specific math problem, and the plurality of internal nodes represents an intermediate solution formula by an intermediate solution process, which is a solution for solving the specific math problem.

또한 루트 노드는 적어도 하나 이상의 내부 노드를 자식 노드로 하여 단방향 링크로 연결되며, 특정 내부 노드는 적어도 하나 이상의 내부 노드 혹은 하나의 리프 노드를 자식 노드로 하여 단방향 링크로 연결될 수 있다.In addition, the root node may be connected by a unidirectional link using at least one internal node as a child node, and the specific internal node may be connected by a unidirectional link using at least one internal node or one leaf node as a child node.

또한 상기 특정 내부 노드는 부모 노드의 중간풀이 수식을 나타내며, 상기 리프 노드는 특정 부모 노드가 나타내는 중간풀이 수식에 대한 해답을 나타낸다. 즉, 상기 리프 노드는 상기 특정 수학문제에 대한 최종적인 해답을 나타내는 것이다.In addition, the specific internal node represents the intermediate solution equation of the parent node, and the leaf node represents the solution to the intermediate solution equation represented by the specific parent node. In other words, the leaf node represents the final solution to the particular mathematical problem.

또한 상기 링크는 부모 노드와 자식 노드 간의 릴레이션을 의미하는 것으로, 상기 릴레이션은 부모 노드가 나타내는 수학문제 혹은 중간풀이 수식으로부터 상기 자식 노드가 나타내는 중간풀이 수식을 도출하기 위한 해결과정을 나타낸다.In addition, the link refers to a relation between a parent node and a child node, and the relation represents a solution for deriving an intermediate solution equation represented by the child node from a mathematical problem represented by the parent node or an intermediate solution equation.

다음으로 상기 로직엔진(130)은 상기 로딩한 시멘틱 네트워크를 참조하여, 상기 릴레이션을 토대로 상기 특정 수학문제에 대한 단계별 해결과정과 이에 대한 설명을 출력한다.Next, the logic engine 130 refers to the loaded semantic network and outputs a step-by-step solution process for the specific mathematical problem and a description thereof based on the relation.

이때, 상기 로직엔진(130)은 상기 릴레이션에 해당하는 적어도 하나 이상의 해결과정을 문제해결계획 수립부(110)를 통해 사용자에게 제공하여 선택하도록 하거나, 상기 수학문제 해결과정을 제공한 교수자, 학습자, 혹은 상기 사용자에 의해서 선호되는 해결방법을 자동적으로 선택하여 상기 특정 수학문제에 대한 해결방법 및 상기 해결방법에 대한 설명을 상기 사용자에게 제공할 수 있다.In this case, the logic engine 130 may be provided to the user through the problem-solving plan establishment unit 110 to select at least one or more solution processes corresponding to the relation, or the instructor, learner, Alternatively, the user may automatically select a solution preferred by the user and provide the user with a solution to the specific mathematical problem and a description of the solution.

또한 상기 사용자가 특정 해결과정을 선택하거나, 상기 로직엔진(130)이 자동으로 특정 해결과정을 선택함으로써, 상기 릴레이션(즉, 링크)에 따라 선택되는 다음의 노드가 내부 노드인 경우, 상기 내부 노드와 상기 내부 노드의 적어도 하나 이상의 자식 노드에 대한 릴레이션에 해당하는 적어도 하나 이상의 해결과정을 상기 사용자에게 제공하여 선택하도록 하거나, 교수자, 학습자, 혹은 상기 사용자에 의해서 선호되는 해결방법을 자동적으로 선택한다.In addition, when the user selects a specific solution or the logic engine 130 automatically selects a specific solution, the next node selected according to the relation (ie, a link) is an internal node. And providing the user with at least one solution that corresponds to a relation to at least one child node of the internal node, or automatically selecting a solution preferred by an instructor, learner, or the user.

이때 상기 해결과정은 상기 특정 수학문제를 해결하기 위한 단계별 방법이 되는 것이므로, 상기 선택한 해결과정이 해당 수학문제를 해결하기 위한 해결방법에 대한 설명이 된다.In this case, since the solution process is to be a step-by-step method for solving the specific math problem, the selected solution process is a description of a solution for solving the math problem.

한편 로직엔진(130)은 상기 선택되는 다음의 노드가 리프 노드인 경우, 상기 리프 노드는 상기 특정 수학문제에 대한 최종적인 해답을 나타내고 있으므로, 상기 선택한 해결과정, 상기 해결과정에 대한 설명, 상기 해결과정에 의한 중간풀이 수식 및 해답을 순차적으로 출력함으로써, 상기 특정 수학문제에 대한 수학문제 해결방법을 생성한다. 이후, 상기 로직엔진(130)은 상기 생성한 상기 수학문제 해결방법을 상기 문제해결계획 수립부(110)로 제공하며, 상기 문제해결계획 수립부(110)는 상기 솔루션을 상기 수학학습용 디바이스(200)로 제공하여 사용자가 이를 인식할 수 있도록 한다.On the other hand, in the logic engine 130, when the next node to be selected is a leaf node, the leaf node represents a final solution to the specific mathematical problem. Thus, the selected solution, the description of the solution, and the solution By sequentially outputting the intermediate solution formula and the solution by the process, a mathematical problem solving method for the specific mathematical problem is generated. Thereafter, the logic engine 130 provides the generated math problem solving method to the problem solving plan establishing unit 110, and the problem solving plan establishing unit 110 provides the solution to the mathematics learning device 200. ) So that users can recognize it.

예를 들어, 도 5에 도시한 것과 같이, 특정 수학문제가 "8x + 16 = 32"인 경우, 이를 상기 제2 학습모델을 통해 일반화하면 상기 특정 수학문제는 "ax + b = c" 된다. 이때, 상기 로직 엔진(130)은 상기 일반화된 수식 "ax + b = c"에 대한 시멘틱 네트워크를 상기 시멘틱 네트워크 데이터베이스(340)로부터 로딩하여, 선호되는 해결과정을 순차적으로 선택(예: "이항"을 선택하고, "양변에 a를 나눔"을 선택)하여 리프 노드에 따른 해답을 도출하고, 상기 선택한 해결과정 및 상기 해결과정에 의해 선택되는 내부 노드의 중간풀이 수식(예: "ax = c - b" 및 "ax/a = (c - b)/a") 및 해답(예: "x = (c - b)/a")을 포함하는 수학문제 해결방법을 생성하여 상기 문제해결계획 수립부(110)로 제공한다.For example, as shown in FIG. 5, when a specific math problem is "8x + 16 = 32", generalizing it through the second learning model results in "ax + b = c". In this case, the logic engine 130 loads the semantic network for the generalized formula "ax + b = c" from the semantic network database 340 to sequentially select a preferred solution (eg, "binomial"). , Select "divide a on both sides" to derive the solution according to the leaf node, and select the solution and the intermediate solution of the internal node selected by the solution (e.g. "ax = c- b) and "ax / a = (c-b) / a") and a solution (e.g., "x = (c-b) / a") to generate a mathematical problem solution to the problem solving plan Provided by 110.

한편 상기 해결방법은 특정 수학문제를 일반화하고 상기 일반화한 수식에 대한 해결방법이므로, 상기 특정 수학문제의 변수를 상기 시멘틱 네트워크에 대입하여, 해당 수학문제에 대한 실제 해결방법을 생성할 수 있으며, 상기 실제 해결방법과 상기 일반화한 수식에 대한 해결방법을 동시에 제공할 수도 있다.Meanwhile, since the solution generalizes a specific math problem and solves the generalized equation, the solution of the specific math problem can be substituted into the semantic network to generate an actual solution for the math problem. An actual solution and a solution to the generalized formula may be provided at the same time.

또한 상기 시멘틱 네트워크는 일반화된 수식에 대한 문제해결과정이 추가되거나 삭제, 혹은 변경되는 경우에 이를 반영하여 업데이트될 수 있으며, 특히 상기 문제해결과정이 추가되는 경우에는 상기 시멘틱 네트워크의 깊이(레벨) 및 너비는 확장될 수 있음은 당연하다.In addition, the semantic network may be updated to reflect the case where a problem solving process for a generalized formula is added, deleted, or changed. In particular, when the problem solving process is added, the depth (level) and Naturally, the width can be expanded.

도 6은 본 발명의 일 실시예에 따른 특정 수학문제에 대한 문제해결계획을 수립하여 이를 기반으로 상기 특정 수학문제의 솔루션을 제공하는 절차를 나타낸 흐름도이다.6 is a flowchart illustrating a procedure for establishing a problem solving plan for a specific mathematical problem according to an embodiment of the present invention and providing a solution for the specific mathematical problem based on the problem solving plan.

도 6에 도시한 바와 같이, 인공지능 기반 수학문제 해결과정에 대한 절차는 우선, 인공지능 기반 수학문제 해결장치(100)는 입력되는 특정 수학문제에 대한 복잡도를 판단한다(S110).As shown in FIG. 6, in the AI-based math problem solving process, the AI-based math problem solving apparatus 100 first determines a complexity of an input specific math problem (S110).

상기 복잡도는 상기 수학문제유형 및 상기 수학문제유형에 대한 복잡도를 매핑한 매핑테이블을 참조함으로써, 수행된다.The complexity is performed by referring to a mapping table that maps the math problem type and the complexity for the math problem type.

다음으로 상기 인공지능 기반 수학문제 해결장치(100)는 상기 판단한 복잡도에 따라 상기 특정 수학문제에 대한 문제해결계획을 수립한다(S120).Next, the artificial intelligence-based mathematical problem solving apparatus 100 establishes a problem solving plan for the specific mathematical problem according to the determined complexity (S120).

상기 문제해결계획은 입력되는 상기 특정 수학문제의 유형에 대한 복잡도를 판단하여 상기 특정 수학문제의 솔루션을 구성하기 위해 수립된다.The problem solving plan is established to determine the complexity of the type of the specific mathematical problem to be input to construct a solution of the specific mathematical problem.

상기 솔루션은 상기 특정 수학문제에 대한 해결전략, 해결방법 및 해결방법에 대한 설명, 수학문제 번역문 또는 이들의 조합을 포함하여 구성된다.The solution comprises a solution strategy for the particular math problem, a description of the solution and the solution, a math problem translation or a combination thereof.

다음으로 상기 인공지능 기반 수학문제 해결장치(100)는 상기 수립한 문제해결계획에 따라 상기 특정 수학문제에 대한 솔루션을 생성한다(S130).Next, the artificial intelligence-based mathematical problem solving apparatus 100 generates a solution for the specific mathematical problem according to the established problem solving plan (S130).

상기 인공지능 기반 수학문제 해결장치(100)는 상기 수립한 문제해결계획에 따라 직관엔진(120), 로직엔진(130) 및 수학문제 번역부(140)를 통해 상기 특정 수학문제에 대한 해결전략, 상기 특정 수학문제에 대한 해결방법 및 해결방법에 대한 설명, 상기 특정 수학문제를 자연어로 번역한 수학문제 번역문 또는 이들의 조합을 포함하는 상기 특정 수학문제에 대한 솔루션을 생성한다.The AI-based mathematical problem solving apparatus 100 may solve the specific mathematical problem through an intuitive engine 120, a logic engine 130, and a mathematical problem translation unit 140 according to the established problem solving plan. A solution to the specific mathematical problem is generated, including a solution to the specific mathematical problem, a description of the solution, a translation of the mathematical problem translated into the natural language and a combination thereof.

다음으로 상기 인공지능 기반 수학문제 해결장치(100)는 상기 생성한 솔루션을 수학학습을 요청한 수학학습용 디바이스(200)로 제공한다(S140). 이때, 수학학습용 디바이스(200)는 인공지능 기반 수학문제 해결장치(100)로부터 수신되는 특정 수학문제에 대한 솔루션을 상기 수학학습용 디바이스(200)에 구비되는 디스플레이로 출력함으로써, 사용자가 상기 솔루션을 통해 상기 특정 수학문제에 대한 해결과정을 인식할 수 있도록 한다.Next, the artificial intelligence-based math problem solving apparatus 100 provides the generated solution to the math learning device 200 which has requested the math learning (S140). In this case, the math learning device 200 outputs a solution for a particular math problem received from the artificial intelligence-based math problem solving apparatus 100 to a display provided in the math learning device 200, whereby the user may use the solution. Recognize the solution process for the specific math problem.

이상에서 설명한 바와 같이, 본 발명은 인공지능 기반 수학문제 해결장치 및 그 방법에 관한 것으로, 특정 수학문제에 대한 복잡도를 판단하여 상기 복잡도에 따라 특정 수학문제의 해결계획을 수립하여, 해당 수학문제에 대한 해결전략, 해결방법 및 해결방법에 대한 설명, 해당 수학문제를 자연어로 번역한 수학문제 번역문 또는 이들의 조합을 포함한 수학문제 솔루션을 제공함으로써, 사용자의 수학적 직관력을 현저하게 향상시킴과 동시에 수학문제에 대한 해결과정 및 해결원리를 효과적으로 습득할 수 있도록 하는 효과가 있다.As described above, the present invention relates to an artificial intelligence-based mathematical problem solving apparatus and method thereof, and to determine the complexity of a specific mathematical problem to establish a solution plan for a specific mathematical problem according to the complexity, By providing solutions to solutions, solutions, solutions and solutions, including translations of natural language translations of mathematical problems, or combinations of these solutions, users can significantly improve their mathematical intuition and at the same time. It has the effect of effectively learning the solution process and the principle of solution.

상기에서는 본 발명에 따른 바람직한 실시예를 위주로 상술하였으나, 본 발명의 기술적 사상은 이에 한정되는 것은 아니며 본 발명의 각 구성요소는 동일한 목적 및 효과의 달성을 위하여 본 발명의 기술적 범위 내에서 변경 또는 수정될 수 있을 것이다.Although the above has been described above with reference to a preferred embodiment according to the present invention, the technical idea of the present invention is not limited thereto, and each component of the present invention is changed or modified within the technical scope of the present invention for achieving the same object and effect. Could be.

아울러 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.In addition, while the above has been shown and described with respect to the preferred embodiment of the present invention, the present invention is not limited to the specific embodiments described above, in the technical field to which the invention belongs without departing from the spirit of the invention claimed in the claims Various modifications can be made by those skilled in the art, and these modifications should not be individually understood from the technical spirit or the prospect of the present invention.

100: 인공지능 기반 수학문제 해결장치 110: 문제해결계획 수립부
120: 직관엔진 121: 제1 학습모델 생성부
122: 수학문제 해결전략 제공부 130: 로직엔진
131: 제2 학습모델 생성부 132: 수학문제 해결방법 제공부
140: 수학문제 번역부 150: 자연어 처리부
200: 수학학습용 디바이스 300: 데이터베이스
310: 학습데이터 데이터베이스 320: 인터프리터 데이터베이스
330: 학습모델 데이터베이스 340: 시멘틱 네트워크 데이터베이스100: AI-based math problem solving device 110: problem solving plan establishment unit
120: intuition engine 121: the first learning model generation unit
122: math problem solving strategy provider 130: logic engine
131: second learning model generation unit 132: math problem solution providing unit
140: math problem translation unit 150: natural language processing unit
200: device for learning mathematics 300: database
310: learning data database 320: interpreter database
330: learning model database 340: semantic network database

Claims (10)

특정 수학문제에 대한 문제해결계획을 수립하는 문제해결계획 수립부;
수학문제와 상기 수학문제에 대한 해결전략 간의 매핑관계를 학습하여 제1 학습모델을 생성하는 직관엔진;
수학문제와 상기 수학문제에 대한 일반화된 수식 간의 매핑관계를 학습하여 제2 학습모델을 생성하는 로직엔진; 및
상기 특정 수학문제에 대한 수학적 표현을 자연어로 번역하여 수학문제 번역문을 생성하는 수학문제 번역부;를 포함하며,
상기 문제해결계획은 수학문제유형과 상기 수학문제유형에 대한 복잡도를 매핑한 매핑테이블을 참조하여 상기 특정 수학문제에 대한 복잡도를 판단함으로써, 수립되는 것을 특징으로 하는 인공지능 기반 수학문제 해결장치.A problem solving plan establishment unit for establishing a problem solving plan for a specific math problem;
An intuition engine that generates a first learning model by learning a mapping relationship between a math problem and a solution strategy for the math problem;
A logic engine for generating a second learning model by learning a mapping relationship between a math problem and a generalized equation for the math problem; And
And a math problem translation unit for generating a math problem translation by translating a mathematical expression of the specific math problem into a natural language.
The problem solving plan is an artificial intelligence-based mathematical problem solving apparatus, characterized in that it is established by determining the complexity of the specific mathematical problem with reference to the mapping table mapping the complexity of the mathematical problem type and the mathematical problem type. 청구항 1에 있어서,
상기 문제해결계획 수립부는,
상기 수립한 문제해결계획에 따라 상기 특정 수학문제에 대한 수학문제 솔루션을 생성하여 수학학습용 디바이스로 제공하는 것을 더 포함하며,
상기 수학문제 솔루션은, 상기 복잡도에 따라 상기 특정 수학문제에 대한 해결전략, 해결방법 및 상기 해결방법에 대한 설명, 수학문제 번역문 또는 이들의 조합을 포함하는 것을 특징으로 하는 인공지능 기반 수학문제 해결장치.The method according to claim 1,
The problem solving plan establishment unit,
The method may further include generating a math problem solution for the specific math problem according to the established problem solving plan, and providing the math problem solution to a math learning device.
The mathematics problem solution, AI-based math problem solving apparatus, characterized in that it comprises a solution strategy, a solution and a description of the solution, a mathematical problem translation or a combination thereof for the specific mathematics problem according to the complexity . 청구항 1에 있어서,
상기 직관엔진은,
상기 제1 학습모델에 상기 특정 수학문제를 입력하여, 해당 수학문제에 대해결전략을 생성하여 상기 문제해결계획 수립부로 제공하는 수학문제 해결전략 제공부;를 더 포함하며,
상기 해결전략은 상기 특정 수학문제의 해결원리를 직관적으로 인식하기 위한 힌트(hint), 숏컷(short cut), 제안(suggest) 또는 이들의 조합을 포함하는 것을 특징으로 하는 인공지능 기반 수학문제 해결장치. The method according to claim 1,
The intuition engine,
And a mathematics problem solving strategy providing unit for inputting the specific mathematics problem to the first learning model, generating a decision strategy for the corresponding mathematics problem, and providing it to the problem solving plan establishment unit.
The solution strategy may include a hint, a short cut, a suggestion, or a combination thereof, for intuitively recognizing a solution principle of the specific math problem. . 청구항 1에 있어서,
상기 로직엔진은,
상기 제2 학습모델을 통해 상기 특정 수학문제에 대한 일반화된 수식을 생성하고, 상기 생성한 일반화된 수식에 대한 시멘틱 네트워크를 참조함으로써, 해당 수학문제에 대한 해결방법 및 해결방법에 대한 설명을 생성하여 문제해결계획 수립부로 제공하는 수학문제 해결방법 제공부;를 더 포함하며,
상기 시멘틱 네트워크는 상기 일반화된 수식에 대한 단계별 풀이과정이 계층적 트리구조로 구성되는 것을 특징으로 하는 인공지능 기반 수학문제 해결장치. The method according to claim 1,
The logic engine,
By generating a generalized formula for the specific mathematical problem through the second learning model, and by referring to the semantic network for the generated generalized formula, to generate a description of the solution and the solution method for the corresponding mathematical problem Mathematical problem solution provided by the problem-solving plan establishment unit; further includes,
The semantic network is an artificial intelligence-based mathematical problem solving device, characterized in that the step-by-step solving process for the generalized formula consists of a hierarchical tree structure. 청구항 1에 있어서,
상기 수학문제 번역부는,
수학연산자, 상기 수학연산자가 나타내는 의미, 번역규칙이 상호 매핑된 매핑테이블을 참조하여, 상기 특정 수학문제로부터 인식되는 연산자 및 인자를 포함한 상기 특정 수학문제의 수학적 표현을 자연어로 번역하여 문제해결계획 수립부로 제공하는 것을 특징으로 하는 인공지능 기반 수학문제 해결장치.The method according to claim 1,
The math problem translation unit,
A problem solving plan is established by translating a mathematical expression of the specific mathematical problem, including the operator and arguments recognized from the specific mathematical problem, by referring to a mapping table in which a mathematical operator, meanings represented by the mathematical operator, and translation rules are mutually mapped. AI-based mathematical problem solving apparatus, characterized in that provided by wealth. 문제해결계획 수립부를 통해 특정 수학문제에 대한 문제해결계획을 수립하는 문제해결계획 수립 단계;
직관엔진을 통해 수학문제와 상기 수학문제에 대한 해결전략 간의 매핑관계를 학습하여 제1 학습모델을 생성하는 단계;
로직엔진을 통해 수학문제와 상기 수학문제에 대한 일반화된 수식 간의 매핑관계를 학습하여 제2 학습모델을 생성하는 단계; 및
상기 특정 수학문제에 대한 수학적 표현을 자연어로 번역하여 수학문제 번역문을 생성하는 수학문제 번역부;를 포함하며,
상기 문제해결계획은 수학문제유형과 상기 수학문제유형에 대한 복잡도를 매핑한 매핑테이블을 참조하여 상기 특정 수학문제에 대한 복잡도를 판단함으로써, 수립되는 것을 특징으로 하는 인공지능 기반 수학문제 해결방법.A problem-solving plan establishment step of establishing a problem-solving plan for a specific math problem through a problem-solving plan establishment unit;
Generating a first learning model by learning a mapping relationship between a math problem and a solution strategy for the math problem through an intuition engine;
Generating a second learning model by learning a mapping relationship between a math problem and a generalized equation for the math problem through a logic engine; And
And a math problem translation unit for generating a math problem translation by translating a mathematical expression of the specific math problem into a natural language.
The problem-solving plan is established by determining a complexity for the specific mathematical problem by referring to a mapping table mapping the complexity of the mathematical problem type and the mathematical problem type. 청구항 6에 있어서,
상기 문제해결계획 수립 단계는,
상기 수립한 문제해결계획에 따라 상기 특정 수학문제에 대한 수학문제 솔루션을 생성하여 수학학습용 디바이스로 제공하는 수학문제 솔루션 제공 단계;를 더 포함하며,
상기 수학문제 솔루션은, 상기 복잡도에 따라 상기 특정 수학문제에 대한 해결전략, 해결방법 및 상기 해결방법에 대한 설명, 수학문제 번역문 또는 이들의 조합을 포함하는 것을 특징으로 하는 인공지능 기반 수학문제 해결방법.The method according to claim 6,
The problem solving plan establishment step,
And providing a math problem solution for generating a math problem solution for the specific math problem according to the established problem solving plan and providing the same as a math learning device.
The mathematics problem solution, AI-based mathematical problem solving method, characterized in that it comprises a solution strategy, a solution and a description of the solution, a mathematical problem translation or a combination thereof for the specific mathematical problem according to the complexity . 청구항 6에 있어서,
상기 인공지능 기반 수학문제 해결방법은,
상기 제1 학습모델에 상기 특정 수학문제를 입력하여, 해당 수학문제에 대해결전략을 생성하여 상기 문제해결계획 수립부로 제공하는 수학문제 해결전략 제공 단계;를 더 포함하며,
상기 해결전략은 상기 특정 수학문제의 해결원리를 직관적으로 인식하기 위한 힌트(hint), 숏컷(short cut), 제안(suggest) 또는 이들의 조합을 포함하는 것을 특징으로 하는 인공지능 기반 수학문제 해결방법.The method according to claim 6,
The AI-based mathematical problem solving method,
Inputting the specific math problem into the first learning model, generating a decision strategy for the corresponding math problem, and providing the math problem solving strategy to the problem solving plan establishment unit; further comprising:
The solution strategy is an artificial intelligence-based math problem solving method comprising a hint, a short cut, a suggestion, or a combination thereof for intuitively recognizing the solving principle of the specific math problem. . 청구항 6에 있어서,
상기 인공지능 기반 수학문제 해결방법은,
상기 제2 학습모델을 통해 상기 특정 수학문제에 대한 일반화된 수식을 생성하고, 상기 생성한 일반화된 수식에 대한 시멘틱 네트워크를 참조함으로써, 해당 수학문제에 대한 해결방법 및 해결방법에 대한 설명을 생성하여 문제해결계획 수립부로 제공하는 수학문제 해결방법 제공 단계;를 더 포함하며,
상기 시멘틱 네트워크는 상기 일반화된 수식에 대한 단계별 풀이과정이 계층적 트리구조로 구성되는 것을 특징으로 하는 인공지능 기반 수학문제 해결방법.The method according to claim 6,
The AI-based mathematical problem solving method,
By generating a generalized formula for the specific mathematical problem through the second learning model, and by referring to the semantic network for the generated generalized formula, to generate a description of the solution and the solution method for the corresponding mathematical problem Mathematics problem solving step provided to the problem-solving plan establishment unit; further includes,
The semantic network is an AI-based mathematical problem solving method, characterized in that the step-by-step solving process for the generalized formula is composed of a hierarchical tree structure. 청구항 6에 있어서,
상기 수학문제 번역 단계는,
수학연산자, 상기 수학연산자가 나타내는 의미, 번역규칙이 상호 매핑된 매핑테이블을 참조하여, 상기 특정 수학문제로부터 인식되는 연산자 및 인자를 포함한 상기 특정 수학문제의 수학적 표현을 자연어로 번역하여 문제해결계획 수립부로 제공하는 것을 특징으로 하는 인공지능 기반 수학문제 해결방법.The method according to claim 6,
The math problem translation step,
A problem solving plan is established by translating a mathematical expression of the specific mathematical problem, including the operator and arguments recognized from the specific mathematical problem, by referring to a mapping table in which a mathematical operator, meanings represented by the mathematical operator, and translation rules are mutually mapped. AI-based mathematical problem solving method characterized in that provided by wealth.
KR1020180011856A 2018-01-31 2018-01-31 Apparatus and method for solving mathematic problems based on artificial intelligence KR102110784B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180011856A KR102110784B1 (en) 2018-01-31 2018-01-31 Apparatus and method for solving mathematic problems based on artificial intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180011856A KR102110784B1 (en) 2018-01-31 2018-01-31 Apparatus and method for solving mathematic problems based on artificial intelligence

Publications (2)

Publication Number Publication Date
KR20190092746A true KR20190092746A (en) 2019-08-08
KR102110784B1 KR102110784B1 (en) 2020-05-13

Family

ID=67613121

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180011856A KR102110784B1 (en) 2018-01-31 2018-01-31 Apparatus and method for solving mathematic problems based on artificial intelligence

Country Status (1)

Country Link
KR (1) KR102110784B1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230106283A (en) 2022-01-06 2023-07-13 서강대학교산학협력단 System for solving mathematical word problems using neural networks and method thereof
KR20230166853A (en) 2022-05-30 2023-12-07 서울대학교산학협력단 Algebraic word problem solving method and apparatus applying human strategy to artificial neural network

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150025232A (en) * 2013-08-28 2015-03-10 인하대학교 산학협력단 Intelligent tutoring systems, methods, server and recording medium
US20160180240A1 (en) * 2014-12-16 2016-06-23 Kyndi, Inc. Apparatus and method for high performance data analysis
KR20170044276A (en) * 2015-10-15 2017-04-25 강호제 Apparatus and method for servicing development figure of reasoning process visualizing hierarchical problem solving process

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150025232A (en) * 2013-08-28 2015-03-10 인하대학교 산학협력단 Intelligent tutoring systems, methods, server and recording medium
US20160180240A1 (en) * 2014-12-16 2016-06-23 Kyndi, Inc. Apparatus and method for high performance data analysis
KR20170044276A (en) * 2015-10-15 2017-04-25 강호제 Apparatus and method for servicing development figure of reasoning process visualizing hierarchical problem solving process

Also Published As

Publication number Publication date
KR102110784B1 (en) 2020-05-13

Similar Documents

Publication Publication Date Title
US8700620B1 (en) Artificial intelligence method and apparatus
KR102259390B1 (en) System and method for ensemble question-answering
KR102339149B1 (en) Method, apparatus for training machine translation model and recording medium
CN112740132A (en) Scoring prediction for short answer questions
CN116932708A (en) Open domain natural language reasoning question-answering system and method driven by large language model
CN114648032B (en) Training method and device of semantic understanding model and computer equipment
Sharma et al. Large-scale cognitive model design using the Nengo neural simulator
KR102110784B1 (en) Apparatus and method for solving mathematic problems based on artificial intelligence
Kumar et al. Paraqg: A system for generating questions and answers from paragraphs
Jiménez et al. Architecting an intelligent tutoring system with an affective dialogue module
Pluzhnikova Technologies of artificial intelligence in educational management
KR102583941B1 (en) Method and apparatus for generating qa model by using adversarial learning
KR20200011155A (en) System of providing decoy answer and management method thereof
Huo RETRACTED ARTICLE: Analysis of intelligent evaluation algorithm based on english diagnostic system
Kaviya et al. Artificial intelligence based farmer assistant chatbot
Sunitha et al. Artificial Intelligence based Smart Education System
CN113407806B (en) Network structure searching method, device, equipment and computer readable storage medium
Khayut et al. Modeling of computational systemic deep mind under uncertainty
Zhang An IoT-based English translation and teaching using particle swarm optimization and neural network algorithm
Duggirala et al. iTA: A Digital Teaching Assistant.
Zhu Empowering language learning through IoT and big data: an innovative English translation approach
CN112052320A (en) Information processing method and device and computer readable storage medium
Raza et al. Enabling Context-based AI in Chatbots for conveying Personalized Interdisciplinary Knowledge to Users
Thaiprasert et al. Development of a Class Materials Search System using LINE Chatbot
Huang et al. Adaptive learning system for foreign language writing based on big data

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right