随着计算机科学技术与人工智能的快速发展,类人答题、机器证明等研究方向成为国内外研究热点。计算机的类人答题与自动推理是指计算机系统以数学文本作为输入,通过自然语言处理技术提取文本中的知识,然后通过知识的推理实现知识的迭代更新过程。实体提取作为自然语言理解的基本任务,在数学文本的知识提取中起到了至关重要的作用,其效果将会直接影响到初等数学的题意理解。本文围绕初等数学领域中的实体提取任务展开相关研究工作,结合初等数学文本特点与自然语言总体过程,将实体提取任务分为实体引入与指代消解两个子任务。基于数学文本的表述特点,本文将数学实体定义为既包含实体类型又包含实体变量的二元组。而数学文本中的实体往往并不是这样完整的二元组,根据实体元素的缺失类型不同将实体缺失分为实体类型缺失、实体变量缺失与实体二元组缺失三种。对于实体类型缺失,本文构建使用基于词序列的BERT-Bi-LSTM-CRF模型进行命名实体标注来将实体所缺失类型进行补全和引入;对于实体二元组缺失,则将其通过数量词展开来转换为实体变量缺失问题;对于实体变量缺失,则采用基于映射规则的方法来确定待引入实体与其他实体的数量关系与对应关系,并针对这些关系来做实体变量的引入工作。由于回指现象的出现使得数学题目的表述对于计算机来说更加难以理解,将指代语还原为其指向的先行语就格外重要。本文提出初等数学中的回指消解总共分为三步:回指语的确定,候选先行语的确定与先行语的合理性评估。在候选先行语的确定步骤中依据指代语和先行语的位置关系将回指分为句间回指和句内回指,并针对两种回指现象提出了不同的候选先行语确定方法。在先行语合理性评估步骤中,提出了初等数学领域中实体的合理性评估方法。基于以上方法,本文设计并实现了融合数学实体引入与指代消解的初等数学实体提取系统,并选取自建题库中的具有指代现象的数学题目对系统进行了综合测试,在测试过程中运行稳定,平均自然语言理解正确率达到了77%,具有很好的实用价值。