-
公开(公告)号:CN118051884B
公开(公告)日:2024-09-20
申请号:CN202410289781.4
申请日:2024-03-14
申请人: 华中师范大学
摘要: 本发明提供一种基于深度学习和符号回归的导学策略生成方法及系统,所述方法包括:获取当前学习者在学习平台上的训练日志数据;将训练日志数据输入至预先建立的深度回归模型中,输出当前学习者的训练日志数据的关键特征和与关键特征对应的知识点掌握度;利用符号回归算法将当前学习者的关键特征和知识点掌握度表示为符号化方程,并将符号化方程进行整合,得到符号化模型,以生成当前学习者的导学策略。本发明利用神经网络模型和符号回归算法从复杂的训练日志数据中提取关键特征并将其转化为符号形式,将导学策略的生成过程进行可视化,不仅可以更好的分析导学策略生成过程,而且可以为学习者生成更合适、更个性化的导学策略。
-
公开(公告)号:CN117933223B
公开(公告)日:2024-08-20
申请号:CN202410110728.3
申请日:2024-01-24
申请人: 华中师范大学
IPC分类号: G06F40/205 , G06F40/35 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06F18/213 , G06F18/25
摘要: 本申请公开了一种文本情绪原因对抽取方法、系统、电子设备与存储介质,其中方法包括:获取待抽取文本;将待抽取文本输入至情绪原因对抽取模型,获得情绪原因对抽取模型输出的待抽取文本的各子句对为情绪原因对的预测概率;情绪原因对抽取模型用于获取待抽取文本的各子句的特征,对各子句的特征进行分区过滤,获得各子句的特定于情绪子句抽取任务的情绪特征、特定于原因子句抽取任务的原因特征以及任务之间的共享特征,以确定各子句对的特征,并基于各子句对的特征执行情绪原因对抽取任务,获得各子句对的预测概率;基于各子句对的预测概率,确定待抽取文本中的情绪原因对,从而提升了情绪原因对抽取任务的精度。
-
公开(公告)号:CN114154839B
公开(公告)日:2024-07-26
申请号:CN202111433160.1
申请日:2021-11-29
申请人: 华中师范大学
IPC分类号: G06Q10/0631 , G06Q30/0601 , G06Q50/20
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:CN117350274B
公开(公告)日:2024-07-19
申请号:CN202311300395.2
申请日:2023-10-08
IPC分类号: G06F40/205 , G06F40/30 , G06F17/11 , G06F17/12 , G06F17/16 , G06N3/0464 , G06N5/046 , G06Q50/20
摘要: 本发明提供一种基于已有习题自动合成新的几何证明题的方法及系统,该方法包括:分别获取多道已有几何证明题中每道几何证明题的原始几何关系,得到二元组集合;每个二元组包括一组几何关系和一个向量方程,所述向量方程由所述几何关系转换得到;基于所述二元组集合,筛选出可以重组的几何关系,以生成多道新的几何证明题;其中,所述可以重组的几何关系来自多道不同的已有几何证明题。本发明能够生成一些现有同类方法所无法生成的更具新颖性的习题,为通用新习题生成技术的研究提供了一些新的思路。
-
公开(公告)号:CN118227791A
公开(公告)日:2024-06-21
申请号:CN202410337219.4
申请日:2024-03-22
申请人: 华中师范大学
IPC分类号: G06F16/35 , G06F40/216 , G06F18/25 , G06N3/047
摘要: 本发明提供一种基于多层次增强对比学习来预测慕课平台学生学习成效的方法,通过语义、认知‑情感联合外部特征进行综合预测分析,BERT预训练语言模型用于提取评论文本的深层语义特征,同时采用LIWC认知词典获取学习者的认知状态特征,并利用Senti‑BERT获取学习者在当前学习状态下的情感特征,在将上述特征融合的基础上,加入基于特征层面的对比学习和基于结构层面的对比学习,进一步提高学生学习成效的预测模型的准确性和鲁棒性,本发明创新点在于结合学习者多种特征和对比学习技术,旨在为教育领域提供一种更准确、全面的学生学习成效预测方法,这将有助于个性化教育评估,并为教育者提供更有效的指导,以促进学生的学习成长。
-
公开(公告)号:CN114461907B
公开(公告)日:2024-06-21
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 , G06N3/0442 , G06N3/045 , 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:CN118211662A
公开(公告)日:2024-06-18
申请号:CN202410349774.9
申请日:2024-03-26
申请人: 华中师范大学
IPC分类号: G06N5/04 , G06N5/025 , G06N3/042 , G06N3/0455 , G06N3/096 , G06F16/332 , G06F16/335 , G06F16/35
摘要: 本发明提供一种整合多源常识知识的多轮共情对话生成方法,包括以下步骤:S1、将历史多轮对话内容作为对话上下文,分别输入到COMET、LLama2和ConceptNet知识库中,从而获取三类常识知识:短语型推理知识、文档型事实知识以及三元组型本体知识;S2、分别使用词嵌入技术、Transformer编码器和图神经网络GNN对获得推理知识、事实知识和本体知识进行编码处理,生成对应的推理知识特征向量、事实知识特征向量和本体图特征向量;S3、将编码后的知识特征向量和对话上下文一同输入到预训练模型,通过该模型的处理和生成,产生共情回复;本发明通过整合多源常识知识,有效解决了单一来源知识在覆盖率和领域知识限制方面的不足。这种方法显著增强了模型在语义理解和情感感知方面的能力,从而使得生成的共情回复更加精准、丰富和多样化,提升了对话系统的整体性能和用户体验。
-
公开(公告)号:CN118074998A
公开(公告)日:2024-05-24
申请号:CN202410261611.5
申请日:2024-03-07
申请人: 华中师范大学
IPC分类号: H04L9/40 , G06N3/0464 , G06N3/042
摘要: 本申请属于通信技术领域,具体公开了一种网络攻击检测方法、装置及电子设备,所述方法包括:获取待检测的网络流量;输入网络流量对应的图形结构数据至图卷积神经网络模型,获取图卷积神经网络模型输出的流量分类预测结果;在流量分类预测结果表示网络流量属于异常流量的情况下,确定网络流量所在的网络节点为异常节点;基于异常节点,在攻击路径数据库中搜索目标攻击路径,攻击路径数据库包括多条攻击路径,异常节点位于目标攻击路径上。通过图卷积神经网络模型对网络流量进行分类以及通过攻击路径数据库对攻击路径进行搜索,能够高效地检测异常流量及匹配对应的攻击路径,辅助网络运维人员提升网络防护工作效率。
-
公开(公告)号:CN111046751B
公开(公告)日:2024-02-13
申请号:CN201911169454.0
申请日:2019-11-22
申请人: 华中师范大学
IPC分类号: G06V30/32 , G06V30/19 , G06V10/82 , G06N3/0455 , G06N3/0442 , G06N3/084
摘要: 骤,减少识别时间,增加识别准确率。本发明提供了一种公式识别方法和装置;其中,该方法包括:获取待处理数据;提取待处理数据的笔迹特征;根据待处理数据中笔划的输入顺序以及笔迹特征,生成待处理数据对应的用户行为链;用户行为链用于指示待处理数据中符号之间的时序关系;将用户行为链输入至预设的公式识别模型中,输出待处理数据的公式识别结果。该方法根据待处理数据中笔划的输入顺序和笔迹特征生成可以指示待处理数据中符号之间的时序关系的用户行为链,将该用户行为立案输入至预设的公式识别模型,由公式识别模型输出公
-
公开(公告)号:CN116385227B
公开(公告)日:2024-01-26
申请号:CN202310372399.5
申请日:2023-04-10
IPC分类号: G06Q50/20 , G06Q10/0639
摘要: 本发明提供了一种远程可视化教育系统,包括:用户管理模块:用于远程采集用户上课过程中的课堂交互数据;资源管理模块:用于对不同终端的授课资源数据进行分析,确定对应的资源信息;交互模块:用于通过课堂交互数据和资源信息,对用户上课质量进行质量评判,确定评估质量结果,并基于所述评估质量结果,向用户推荐教育课程。
-
-
-
-
-
-
-
-
-