-
公开(公告)号：CN116955555A
公开(公告)日：2023-10-27
申请号：CN202310835917.2
申请日：2023-07-10
申请人： 华中师范大学
IPC分类号： G06F16/332 , G06F16/33 , G06F18/10 , G06F18/214 , G06F18/20 , G06Q50/20
摘要： 本发明涉及涉及一种基于自然语音处理的数字人教师在课堂教学的方法，通过采集学生学习轨迹，包括考试成绩、作业成绩、学生在课堂参与、提问、回答问题等行为，对学生的行为进行分类和分析，通过训练HMM的模型，实现对学生行为的自动分类和分析，从而识别学生的学习状态和行为模式，识别学生在学习过程中的困惑和挑战，以及学生在解决问题时的思考和决策过程。调整教学策略和教学资源，以满足学生的学习需求和提高学习效果，使数字人教师具备一定的学科知识储备和教育教学经验，提供智能化、高效率和便捷性的教学服务。该方法具有高度的可定制性和扩展性，帮助学生提高学习效率、提高学习动力。
-
公开(公告)号：CN116310066A
公开(公告)日：2023-06-23
申请号：CN202211090357.4
申请日：2022-09-07
申请人： 华中师范大学
IPC分类号： G06T17/00 , G06T19/00 , G06V40/20 , G06V10/26 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/08
摘要： 本申请公开了一种单图像三维人体形态估计方法，包括：根据输入图像估计所包含的人体区域在非衣着状态下以三维参数化模型描述的三维人体形态，并计算得到的估计结果与真实结果之间的误差信息用以描述第一损失函数；在估计结果与真实结果的引导下根据输入图像重建得到人体区域在衣着状态下的三维重建模型，并计算分别由两种结果引导得到的三维重建模型之间的误差信息用以描述第二损失函数；分别将第一损失函数输入三维重建模型以及将第二损失函数反馈至估计的三维参数化模型进行迭代直至模型收敛，得到优化后的三维人体形态估计结果。其可以解决现有的三维人体形态估计方法受到服装遮挡人体的干扰导致形态估计出现较大误差的问题。
-
公开(公告)号：CN115730608A
公开(公告)日：2023-03-03
申请号：CN202211511162.2
申请日：2022-11-29
申请人： 华中师范大学
IPC分类号： G06F40/35 , G06F40/216 , G06F40/289 , G06F40/242 , G06F16/34 , G06F16/35 , G06N7/01 , G06Q50/20
摘要： 本发明提供一种学习者在线交流信息分析方法及系统，包括：确定学习者在学习交流互动过程中生成的多维度话语文本信息；将多维度话语文本信息输入到训练优化后的时序主题模型，以基于多维度话语文本信息分析得到对应的学习者特征信息；时序主题模型根据贝叶斯理论和图模型建立，建立过程中整合学习者话语文本交互的外显社会行为，并整合学习者的内隐认知、情感及主题的动态耦合关系，融合学习者话语文本交互的时序特征，引入时间变量构建得到时序主题模型，解析学习者话语文本信息反映的不同要素之间的关联关系，实现对学习者话语文本的多维度分析。本发明为在线学习环境中学习共同体和个体的学习画像以及开展个性化教学提供有效的数据驱动支撑。
-
公开(公告)号：CN115146975A
公开(公告)日：2022-10-04
申请号：CN202210801922.7
申请日：2022-07-08
申请人： 华中师范大学
IPC分类号： G06Q10/06 , G06Q50/20 , G06V20/40 , G06V10/80 , G06V30/14 , G06V40/16 , G06V40/20 , G10L21/0272 , G10L25/03 , G06F40/30 , G06F16/35 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开基于深度学习的面向师‑机‑生教学成效评估方法和系统，属于教学管理信息领域。包括：采用视频特征提取网络模型，从视频数据分别提取出课堂学习过程师生的活动特征；采用语言模型，从文本数据分别提取在线学习过程教师、学生、辅导机器的活动特征；采用语音特征提取网络模型，从音频数据分别提取出师生对话、师机对话、生生对话、生机对话过程的师生的活动特征；对各种特征进行融合，得到教学成效评估指标。本发明提出以师‑机‑生为对象，从复合主体度进行教育成效评估，综合考虑视频、文本、音频多源数据，采用深度学习提取特征并融合，从不同的方面得到完整层次评估指标，实现复合主体认知的闭环反馈与能力的增强。
-
公开(公告)号：CN113344054B
公开(公告)日：2022-08-12
申请号：CN202110596095.8
申请日：2021-05-29
申请人： 华中师范大学
摘要： 本发明属于教育数据挖掘领域，提供一种面向时空演变的知识技能动态诊断方法，本发明方法首先需根据资源特征构建知识异构图，其次在时间与空间维度上动态更新学习者的知识技能状态，以此来预测学习者的未来表现和诊断学习者的知识掌握情况。本发明方法综合利用大数据技术、深度学习以及自然语言处理技术，从时间和空间对学习者的知识点建模，通过引入学习特征和遗忘特征来影响学习者的知识状态，以及提出时空级联操作来更新学习者的知识结构，能较科学、全面地对学习者的知识技能进行诊断和对学习者未来表现进行预测，对技能掌握低的知识点进行个性化推荐练习和对未来表现不好的进行个性化教学。
-
公开(公告)号：CN109033064B
公开(公告)日：2022-06-28
申请号：CN201810552976.8
申请日：2018-05-31
申请人： 华中师范大学
IPC分类号： G06F40/258 , G06F40/295 , G06F40/216 , G06F40/242
摘要： 本发明属于信息技术领域，提供一种基于文本摘要的小学语文作文语料标签自动提取方法，包括以下步骤：文本自动摘要；分词及词性标注；将分词及词性标注后的词汇列表，按照词频进行降序排序后，依据小学语文作文语料标签定义进行标签的自动化提取；输出标签结果。本发明标签自动提取方法能够有效地去除文本冗余，并获取小学语文作文语料结构化数据所需的文本标签，有利于小学语文作文语料素材的合理组织。
-
公开(公告)号：CN114461907A
公开(公告)日：2022-05-10
申请号：CN202210079690.9
申请日：2022-01-24
申请人： 华中师范大学
IPC分类号： G06F16/9535 , G06N3/04 , G06N3/08
摘要： 本发明提出了一种基于知识图谱的多元环境感知推荐方法及系统，首先设计了面向推荐场景的基于知识图谱的规则提取方法，其主要使用知识图谱中用户与项目之间的连接路径，来提取指定推荐场景中最能代表用户兴趣偏好及项目属性特征的规则。继而采用Bi‑LSTM模型来学习各规则生成的路径的语义特征，并采用注意力机制来区分用户对不同规则的偏好以及那些最能代表指定项目的规则。然后，设计了局部信息感知模块来学习用户与项目的近距离邻域特征；最后，通过聚合算法整合了全局信息感知模块和局部信息感知模块学习到的用户与项目表示，并实施预测。在三个真实数据集上的实验结果证明，所提方法相比于基准方法性能都有明显的提高。
-
公开(公告)号：CN114154839A
公开(公告)日：2022-03-08
申请号：CN202111433160.1
申请日：2021-11-29
申请人： 华中师范大学
摘要： 本发明属于教育信息化领域，提供一种基于在线教育平台数据的课程推荐方法，利用embedding技术以及图神经网络模型，基于学生基础信息以及学生在学习过程中产生的历史数据，考虑了不同学生之间的交互数据的影响，全面发挥数据的价值，利用前沿的图神经网络GNN算法模型，深度挖掘了学生与学生之间的关系，同时也考虑了课程与课程之间的相似度、学生与课程的历史交互数据，从而实现更加可靠的推荐方式。
-
公开(公告)号：CN110609960B
公开(公告)日：2022-02-22
申请号：CN201910911097.4
申请日：2019-09-25
申请人： 华中师范大学
IPC分类号： G06F16/9535 , G06N20/00
摘要： 本申请提供的学习资源推荐方法、装置、数据处理设备及存储介质，应用于数据处理领域。该方法通过获取能被所述机器学习模型处理的编码数据，将该编码数据输入到预先训练好的机器学习模型中，获得预设的偏好矩阵的第一分解矩阵以及第二分解矩阵中各参数的概率密度函数。根据所述第一分解矩阵以及第二分解矩阵中各参数的概率密度函数获得目标学习人员对偏好矩阵中未学习过的学习资源的期望兴趣度。根据期望兴趣度从所述未学习过的学习资源中为所述目标学习人员推荐目标学习资源。由于该第一分解矩阵以及第二分解矩阵中各参数为概率密度函数，使得可以根据具体的需求选取不同的参数，获得不同的期望兴趣度，继而提高了推荐学习资源的灵活度。
-
公开(公告)号：CN113743495A
公开(公告)日：2021-12-03
申请号：CN202111015213.8
申请日：2021-08-31
申请人： 华中师范大学
摘要： 本发明提供一种基于注意力机制的学习风格识别方法及系统，其中方法包括：确定学习者的学习特征；学习特征包括：学习者社会属性特征、学习资源特征、学习者行为链特征以及学习者专注度特征；基于学习者的学习特征构建学习者的学习行为链空间；学习行为链空间用于描述学习者在每个时间点的学习行为，每个时间点学习行为包括：每个时间点学习何种学习资源和表现何种专注度；将学习者在每个时间点的学习行为按照时间顺序串接得到学习者的学习行为序列；将学习者的学习行为序列输入到训练好的引入注意力机制的GRU网络，以识别学习者的学习风格；引入注意力机制的GRU网络用于基于学习者行为序列识别学习者的学习风格。本发明实现学习风格的精准识别。
-
-
-
-
-
-
-
-
-
搜索结果
358 条记录 (耗时 0.035 秒)
