-
公开(公告)号：CN118097276A
公开(公告)日：2024-05-28
申请号：CN202410262757.1
申请日：2024-03-07
Applicant: 西安交通大学
Abstract: 本发明属于数据处理领域，公开了一种在线学习者专注度识别方法及相关装置，包括：获取在线学习者视频；对在线学习者视频进行在线学习者的面部行为特征和身体姿态特征提取，得到在线学习者的面部行为特征和身体姿态特征；基于交叉注意力融合方法，将在线学习者的面部行为特征和身体姿态特征进行融合，得到在线学习者的融合特征；基于在线学习者的融合特征进行专注度识别，得到在线学习者的专注度类别。解决了目前在线学习场景下的在线学习者的专注度识往往依赖于单一特征进行识别，然而由于在线学习者复杂的变化情况以及复杂的场景影响，导致在线学习者的专注度识结果的识别准确度不高的问题，可有效提升在线学习者专注度识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117609607A
公开(公告)日：2024-02-27
申请号：CN202311566755.3
申请日：2023-11-22
Applicant: 西安交通大学
IPC: G06F16/9535 , G06F16/335 , G06F16/35 , G06F16/36 , G06N3/045
Abstract: 本申请提出一种基于对比学习增强数据的学习资源推荐方法，相较于现有的学习资源推荐方法，本申请能够在序列预测任务之外，设计对比学习任务，使用自监督信号缓解数据稀疏问题，提升了学习资源的推荐性能。本申请提出的基于对比学习增强数据的学习资源推荐模型，考虑到学习资源固有的知识结构，使用课程学习资源知识图谱作为辅助信息，增强学习资源表示。使用相关用户和聚类中心增强用户表示，能够在用户交互较少的情况下学习到高质量的用户表示，有效建模用户偏好。使用多任务训练策略，能够将序列预测任务和对比学习任务进行联合优化，从而提升了学习资源推荐性能。
-
公开(公告)号：CN110705594A
公开(公告)日：2020-01-17
申请号：CN201910833015.9
申请日：2019-09-04
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于校园卡数据的学习不良者预测方法，根据高校学生校园卡数据中记录的上课、进入图书馆、餐厅消费、浴室消费、商贸消费等记录，提取出学生的行为特征。以此为基础，对学生学期内的在校活动进行统一数学表示，进而提出一种基于卷积神经网络与多层长短期记忆网络相结合的混合网络模型构建学习不良者预测模型。本发明解决了高校中学习不良者的早期预测问题，有助于在学期中及时发现学习不良者并提供针对性的干预和指导。
-
公开(公告)号：CN105389622B
公开(公告)日：2017-04-26
申请号：CN201510683902.4
申请日：2015-10-20
Applicant: 西安交通大学
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：CN106373057A
公开(公告)日：2017-02-01
申请号：CN201610864980.9
申请日：2016-09-29
Applicant: 西安交通大学
CPC classification number: G06Q50/20 , G06K9/6268
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：CN104484454B
公开(公告)日：2016-03-30
申请号：CN201410834098.0
申请日：2014-12-27
Applicant: 西安交通大学
IPC: G06F17/30
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。
-
-
-
-
-
Search Results
36
records
(took 0.041 seconds)
