自動化的輔助學習以及自我線上學習機制是目前數位化教學環境一個重要的發展目標。近年來，遠距學習中的ＱＡ問答系統時常被拿來探討，研究系統要如何具備有以下特性：1) 瞭解發問者以自然語言形式所提出的問題。2) 提高搜尋答案（文獻）的準確率。3) 建立自動化的學習機制。本研究為遠距學習平台上的英文問答系統，提出一個語意認知的方法，以期有效回答使用者以自然語言所提出的課程相關問題。
本研究使用Link Grammar文法解析器，結合遠距學習環境下課程的Ontology知識本體以及WordNet來建構一個英文語意認知的問答系統。其中，我們使用『資料結構』來做為研究的標的課程，設計了符合我們演算法的Ontology知識本體結構。在英文問句的句法結構上，我們做了一般性的歸納與剖析。最後我們配合上述課程可能會使用到的問句結構作了部分篩選，並且對其中數種問句提出了相應的語意認知演算方法。

Automatic assistant-learning and self-learning mechanism are the primary objective in today’s digital teaching environment. Previous research has focused on the questions-and-answers system of digital leaning field and addressed several aspects of how to possess the following characteristics: (1) Understand questioners’ questions which are in nature language form, (2) Arise the accuracy of searching result, and (3) Establish automatic learning mechanism. In this study we develop the English questions-and-answers system in the distance learning platform and purpose a Semantic-Aware method to answer questions which are in nature language form effectively.
This research use Link Grammar and combine Ontology and WordNet to set up the Semantic-Aware questions-and-answers system in distance learning environment. Furthermore, we choose Data Structure as the targeted course and design Ontology structure of Algorithm. This study also generalizes and analyzes the sentence structure of English Interrogative Sentence. Finally, and most important, this research sift the structure from Interrogative Sentence and address several corresponding Semantic-Aware Algorithm.

中文摘要	i
英文摘要（Abstract）	ii
目　　次	iii
表　　次	v
圖　　次	vi
第一章、	緒論	1
1.1	前言	1
1.2	研究動機與目的	1
1.3	論文架構	2
第二章、	研究背景與知識	4
2.1	英文問句的分析與歸納	4
2.2	Link Grammar	8
2.3	WordNet	13
2.4	Ontology	18
2.5	SCROM	20
2.6	Spring Framework	22
2.7	Java Native Interface (JNI)	24
2.8	語意處理相關研究	26
2.8.1	概念式自動問答探索系統	26
2.8.2	Representing Meaning	28
2.8.3	Parallel Memory-Based Parsing on SNAP	29
2.8.4	An Intelligent Semantic Agent for e-Learning Message Communication	31
第三章、	系統架構	34
3.1	系統架構規劃	34
3.2	功能流程說明	41
3.3	方法架構定義	45
3.3.1	語意樹（Semantic Tree）	45
3.3.2	基本元素	46
3.3.3	語意連結單元（Semantic Linking Unit）	48
3.3.4	語意同義單元（Semantic Synonymous Unit）	50
3.3.5	『資料結構』知識本體--架構	50
3.3.6	『資料結構』知識本體--實例	52
3.3.7	資料庫設計（DB Schema）	53
第四章、	系統方法設計與評量	54
4.1	Link Grammar 分析實例	54
4.2	英文問句與輸出片語的對應範例	58
4.3	語意認知方法設計	60
4.3.1	Link Grammar 片語輸出處理	61
4.3.2	問句樣版比對	62
4.3.3	從標的片語組形成語意樹	63
4.3.4	比對知識本體取得答案	65
第五章、	結論與未來研究方向	70
5.1	結論	70
5.2	未來研究方向	71
參 考 文 獻	73
附錄 A.	Link Grammar Link-Type標籤部分摘錄	75
附錄 B.	Link Grammar Constituent Tag結構標籤	76
附錄 C.	問句樣版比對表	77
附錄 D.	系統資料庫欄位設計	78
附錄 E.	英文論文稿	79

 
表　　次
表 1. 簡單的formula例子	11
表 2. 此研究與本論文方法異同點分析表	28
表 3. 此文章與本論文之研究異同點分析表	30
表 4. 此相關研究與本論文之研究異同點分析表	33


 
圖　　次
圖 1. 連結文法範例	9
圖 2. Link Grammar單字屬性範例	9
圖 3. Link Grammar字句結合範例	10
圖 4. 使用Phrase Parser產生的Constituent Tree範例(1)	13
圖 5. 使用Phrase Parser產生的Constituent Tree範例(2)	13
圖 6. WordNet 字詞查詢邏輯以及查詢結果分類結構	14
圖 7. WordNet Online Search with keyword - stack.	16
圖 8. WordNet, Command Mode Search with keyword - stack.	17
圖 9. WordNet, Browser Search with keyword - stack.	17
圖 10. 使用KAON工具呈現的片段知識本體範例	19
圖 11. SCORM 執行環境Run-Time Environment	21
圖 12. Spring Framework 模組全貌	23
圖 13. LGInterface的Java Document	25
圖 14. 問題詞鍵與答案詞鍵的關係矩陣建立	27
圖 15. Representing Meaning範例	29
圖 16. 知識的基礎範例	29
圖 17. 解析句子輸出後的語意表示法	30
圖 18. 該研究中資料結構的知識本體架構	32
圖 19. 系統功能區塊（System Functional Diagram）	35
圖 20. 系統之使用者介面功能架構	36
圖 21. 系統之智慧語意辨識引擎功能架構	37
圖 22. 系統之知識萃取引擎功能架構	38
圖 23. 整體系統功能區塊圖	40
圖 24. 系統運作流程概觀	41
圖 25. 解答搜尋及知識本體（Ontology）擴充機制流程	43
圖 26. 語意結構樹範例	46
圖 27. Link Grammar輸出範例	48
圖 28. 使用constituents(1)，Link Grammar輸出範例	48
圖 29. 語意連結單元	49
圖 30. 語意連結單元（包含關係）	49
圖 31. 語意同義單元	50
圖 32. 資料結構知識本體--架構	51
圖 33. 資料結構知識本體--實例	52
圖 34. Excel中的即時文法分析工具	56
圖 35. Excel中的批次英文問句輸入工作表	56
圖 36. 第一階段分析輸出結果	57
圖 37. 經過智慧程序解析組合後的結果	58
圖 38. 問句輸出範例一	58
圖 39. 問句輸出範例二	59
圖 40. 問句輸出範例三	59
圖 41. 問句輸出範例四	59
圖 42. 問句輸出範例五	60
圖 43. 問句輸出範例六	60
圖 44. 經Phrase Parse解析後的字串（constituents = 1）	62
圖 45. 經Phrase Parse解析後的字串（constituents = 2）	62
圖 46. 問句樣版比對後的標的 (NP)	63
圖 47. 建構語意樹 – 以標的element為起點	63
圖 48. 建構語意樹 – 連結第二個 element	64
圖 49. 建構語意樹 – 連結第三個 element	64
圖 50. 建構語意樹 – 標的語意樹	65
圖 51. 知識本體找尋語意樹 – 步驟一	66
圖 52. 知識本體找尋語意樹 – 步驟二	67
圖 53. 知識本體找尋語意樹 – 步驟三	68
圖 54. 知識本體找尋語意樹 – 找到答案	69

[1] Steven Pinker, “The Language Instinct : How the Mind Creates Language?” 1994; 史迪芬．平克, 洪蘭翻譯, 語言本能－探索人類語言進化的奧秘, 1998年

[2] 黃世豪, 語意問答系統應用程式架構（Application Architecture of Semantic QA System）, 淡江大學碩士論文, 2006年

[3] Daniel Sleator, David Temperley, and John Lafferty, “Link Grammar,” http://www.link.cs.cmu.edu/link/

[4] George Miller, “WordNet, a lexical database for the English language,” http://www.cogsci.princeton.edu/~wn/ 

[5] Michael Denny, “Ontology Tools Survey, Revisited,” http://www.xml.com/pub/a/2004/07/14/onto.html

[6] FZI and AIFB, “KAON is an open-source ontology management infrastructure targeted for business applications,” http://kaon.semanticweb.org

[7] Advanced Distributed Learning (ADL), http://www.adlnet.gov/index.cfm

[8] Rod Johnson, Juergen Hoeller, Alef Arendsen, Colin Sampaleanu,
Darren Davison, Dmitriy Kopylenko, Thomas Risberg and Mark Pollack, “Spring – java/j2ee Application Framework Reference Documentation,” Version 1.1.2, http://www.springframework.org/docs/spring-reference.pdf

[9] Sun Microsystems, “Java Native Interface,” http://java.sun.com/j2se/1.4.2/docs/guide/jni/index.html

[10] Chris Jordan, "Chris Jordan's JNI implementation of the Link Parser grammar(LGInterface)," http://www.chrisjordan.ca/research/LGdocs/

[11] 陳意芬, 概念式自動問答探索系統, 交通大學碩士論文, 2003年

[12] Daniel Jurafsky and James H. Martin. “Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition,” Prentice Hall, 2000

[13] Minhwa Chung and Dan Moldovan, “Parallel Memory-Based Parsing on SNAP,” Proceedings of Seventh International on Parallel Processing Symposium, page(s): 680-684, 1993

[14] 林志豪, 以智慧型語意代理人監督在資料結構範疇中的訊息溝通, 淡江大學博士論文, 2004年