近几年来,国内外很多专家学者投入了大量的精力去研究人工智能,促使人工智能在各个领域取得了飞速的发展。其中,教育领域的人工智能将是人工智能研究的一个重要方向,而数学是教育领域最难攻克的一个堡垒。此前,我们团队已经研究并开发出了面向初等数学的自动解题系统,但解题正确率和效率还不能够满足教育的需要。本论文的研究目标是通过将归纳学习和自动解题系统结合,辅助自动解题系统的推理,以此来提高系统的解题正确率和效率。主要的研究内容如下:自动解题系统的结构的分析与掌握。自动解题系统是基于归纳学习的知识发现应用的对象,因此必须要先对自动解题系统的结构进行分析,掌握了自动解题系统的推理方式和深层原理后才可以考虑如何应用归纳学习协助推理。本文将从系统结构、知识表示和推理系统三个层面对自动解题系统进行剖析,其中知识表示是推理的基础,而推理系统是自动解题系统的核心部分。归纳学习所需数据的选取和收集。根据需要对初等数学题目数据进行选取并作为归纳学习的训练集,将这些题目数据通过自动解题系统完成推理后,将推理的过程和解题的结果进行整理和收集。自动解题系统的优化。自动解题系统虽然已经完成了初期的开发,但还存着很多不足之处,本文中将对已有对现有的自动解题系统模型进行研究,提出优化方案,并根据优化方案对自动解题系统进行改进。本文中提出的优化方案主要有两种,一种是通过增加矛盾停机规则来对知识库的推理过程进行监控,及时发现异常并进行反馈,另一种是将数学归纳法的思想与系统进行结合,让系统拥有新的推理方法和验证的策略。基于归纳学习的知识发现在系统推理中的应用。将收集的数据进行整理后进行训练,并通过机器学习的方法归纳出一定的规律,最后将这些规律通过一定的方法转化为对解题有帮助的知识加入到自动解题系统的知识库中去,以此来协助推理。在完成上述的研究,并将研究成果应用到已有的自动推理系统中去后,自动推理系统的解题正确率和效率有了显著的提升,解题正确率已经达到了90%,而平均解题时间也降低到了2s以内。