-
公开(公告)号：CN118410871A
公开(公告)日：2024-07-30
申请号：CN202410523000.3
申请日：2024-04-28
Applicant: 西安交通大学
IPC: G06N5/04 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06V20/40 , G06V40/16 , G06V40/20 , G06F40/30 , G06Q50/20 , G06N3/048
Abstract: 本发明属于一种学习意图推理方法，针对现有的学习行为分析方法中，大多是基于单一模态的方法，存在学习行为表征不够全面，学习状态分析准确性低的技术问题，若直接迁移使用现有的大型多模态预训练模型，又存在多模态数据对齐困难的技术问题，提供一种基于多模态融合的学习意图推理方法及系统、程序产品，分别提取表情特征、最终动作特征和文本特征，通过对学习行为进行语义级别的特征提取，将学习者的行为转化为向量表征，再通过语义级别的融合，将独立的各模态语义信息，使用线性变换对齐的方法，在统一的表征空间中进行初步对齐，再拼接融合对齐后的特征向量，从而对学习者的学习行为进行表征，解决了学习情境表示难和计算难的问题。
-
公开(公告)号：CN117273011A
公开(公告)日：2023-12-22
申请号：CN202311256509.8
申请日：2023-09-26
Applicant: 西安交通大学
IPC: G06F40/30 , G06F18/214 , G06F18/23 , G06F18/241 , G06N3/084 , G06F18/23213 , G06N3/09
Abstract: 本发明属于自然语言处理领域，公开了一种基于标签语义对齐的文本新类发现方法及相关装置，通过预训练的BERT模型提取各待分类文本的特征，得到各待分类文本的向量表示；将各待分类文本的向量表示进行聚类，得到若干聚类簇及各聚类簇的中心向量；遍历各聚类簇的中心向量，通过Word2vec模型输出与各聚类簇的中心向量表示最相似的单词，得到各聚类簇的类别并作为各聚类簇中各待分类文本的类别；通过引入标签语义嵌入作为监督信号，将文本的特征空间与标签的语义空间对齐，不仅为模型训练提供了高质量的监督信号，同时可以为聚类结果生成有效的新类名称，有效的解决了当前新类发现研究中存在的缺少高质量监督信号，及不能生成有效的新类名称等问题。
-
公开(公告)号：CN116563929A
公开(公告)日：2023-08-08
申请号：CN202310616986.4
申请日：2023-05-29
Applicant: 西安交通大学
IPC: G06V40/16 , G06V20/40 , G06V40/20 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于人体特征融合的学业情绪识别方法，属于情绪识别领域。本发明基于教室监控图像数据，通过目标检测与特征提取模块分别对学习者的面部表情和肢体姿态进行特征提取，获得学习者表情与姿态特征的向量表征。以此为基础，将得到的特征向量进行拼接融合，进而提出一个双分支学业情绪识别网络，对学习者在课堂中的学业情绪进行识别。本发明解决了传统的学业情绪识别方法准确度低、鲁棒性差的问题，有助于教师更准确了解学生的学习状态和知识掌握程度以提升教学质量。
-
公开(公告)号：CN115409661A
公开(公告)日：2022-11-29
申请号：CN202211048512.6
申请日：2022-08-30
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于集成学习模型的就业推荐方法、系统、设备及介质，包括：获取用户u及各推荐项目c，将用户u的特征及各推荐项目c的特征进行向量化编码；将用户u的特征向量、用户u已有的交互记录向量和用户u与各推荐项目c的特征向量输入到训练后的集成学习模型中，得到各推荐项目的得分，完成基于集成学习模型的就业推荐，其中，所述集成学习模型由相似性信息组件、全局交互信息组件和特征匹配信息组件构成，该方法、系统、设备及介质能够提高模型的泛化能力及可扩展性，继而提高就业推荐的准确性。
-
公开(公告)号：CN113642804A
公开(公告)日：2021-11-12
申请号：CN202110997313.9
申请日：2021-08-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种多组件增强的本科生毕业去向预测与推荐多任务方法及系统，包括：将毕业意图形成组件、共性模式记忆组件及互惠性约束组件添加到基础毕业去向预测与推荐多任务模型中，得毕业去向预测与推荐多任务模型；基于相似度随机负采样策略获取可信负样本；利用可信负样本对毕业去向预测与推荐多任务模型进行训练；利用训练后的毕业去向预测与推荐多任务模型预测本科生毕业去向，该方法及系统能够更好预测毕业生去向，实现对就业单位的推荐。
-
Patent Agency Ranking
公开(公告)号：CN106373057B
公开(公告)日：2018-04-17
申请号：CN201610864980.9
申请日：2016-09-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种面向网络教育的成绩不良学习者识别方法：根据学习者个体特质数据以及在线行为日志数据，抽取出与成绩不良学习者识别相关的个体特质特征和在线行为特征。针对学习者在线行为特征所具有的特点，提出基于时间窗口划分的特征约束策略和基于学习时长划分的特征约束策略；基于特征约束策略，选取随机森林方法通过十折交叉验证进行模型训练，建立了学期过程中不同阶段成绩不良学习者识别模型。本发明解决了面向网络教育学习者的学习特征抽取、学习过程中的阶段性学习效果预测问题，为及时发现成绩不良学习者并进行有针对性的指导提供了支持。
-
公开(公告)号：CN107885846A
公开(公告)日：2018-04-06
申请号：CN201711107927.5
申请日：2017-11-10
Applicant: 西安交通大学
CPC classification number: G06F17/30867 , G06F17/30539 , G06Q30/0631
Abstract: 本发明公开了一种基于隐式属性和隐式关系挖掘的知识点推荐方法，包括以下步骤：1)获取网络学习者的隐式属性；2)获取网络学习者之间的隐式关系；3)根据步骤1)获取得到的网络学习者的隐式属性构建隐式兴趣因子矩阵C；4)根据步骤2)获取的网络学习者之间的隐式关系构建网络学习者的隐式关系矩阵R；5)基于步骤3)构建的隐式兴趣因子矩阵C及步骤4)构建的网络学习者的隐式关系矩阵R进行协同过滤推荐，获取满足用户偏好的知识点，然后将满足用户偏好的知识点推荐给用户，完成基于隐式属性和隐式关系挖掘的知识点推荐，该方法能够实现基于隐式属性及隐式关系挖掘进行知识点的推荐。
-
公开(公告)号：CN105389622A
公开(公告)日：2016-03-09
申请号：CN201510683902.4
申请日：2015-10-20
Applicant: 西安交通大学
CPC classification number: G06Q10/047 , G06Q50/205
Abstract: 本发明公开了一种基于知识地图的多约束学习路径推荐方法：首先，结合课程知识地图和用户在移动端和PC端的学习日志，在知识地图上对知识元进行标记，生成用户在t时刻的已学知识子图G(id,t)；其次，给定一对起始知识元和目标知识元(S,E)，基于深度优先遍历算法获取(S,E)间的所有路径，进而得到用户目标子图G’(id,t,S,E)；最后，通过计算学习路径的约束因子f，在G’(id,t,S,E)上挖掘满足约束条件的网络学习路径并推荐给用户。本发明解决了不同网络学习场景下，基于知识地图的网络学习路径集成分析与推荐问题，可以为网络学习者提供满足多约束条件的学习路径。
-
公开(公告)号：CN104484454A
公开(公告)日：2015-04-01
申请号：CN201410834098.0
申请日：2014-12-27
Applicant: 西安交通大学
IPC: G06F17/30
CPC classification number: G06F17/30867
Abstract: 本发明公开了一种面向知识地图的网络学习行为与效能分析方法：通过从教学资源组织、教学活动设计和用户学习行为特征等方面，对比分析传统面向课件的网络学习与面向知识地图的网络学习之间的区别，给出了知识地图模式下体现学习者学习行为的指标，即知识元覆盖率F和有效点击时长T的计算方法；结合用户在网络学习平台上在线提交作业的时长特性分析，采用k-means聚类算法，将学习者分为积极型、一般型和拖沓型三类；本发明解决了面向知识地图的学习模式下的网络学习行为特征抽取，以及量化分析网络学习行为模式与学习效能间的关系的问题，可以为网络学习资源的个性化推荐提供依据和基础。
-
公开(公告)号：CN103226580A
公开(公告)日：2013-07-31
申请号：CN201310114098.9
申请日：2013-04-02
Applicant: 西安交通大学
IPC: G06F17/30
Abstract: 本发明公开了一种面向交互文本的话题识别方法，按照三个大步骤实施：I、词语语义相关度计算阶段，采用了一种基于知识词典和主题模型相结合的词语相关度计算方法；II、句子相关度计算阶段，分别计算句子在关键词特征、词语语义特征、依存句法特征三个层面的相关度，将三个特征融合后计算句子间相关度；III、交互文本话题识别阶段，采用一种基于句子相关度计算的话题识别方法，识别出交互文本中不同话轮是否属于同一话题。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.032 seconds)
