-
公开(公告)号：CN116894119A
公开(公告)日：2023-10-17
申请号：CN202211737665.1
申请日：2022-12-30
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F16/906 , G06F16/35 , G06F40/216
Abstract: 本发明提供一种单词推荐方法及装置，该单词推荐方法包括：获取待推荐的多个单词、每个单词的出现频次和用户对每个单词的记忆量；基于预测模型，确定用户对每个单词的熟练度；基于出现频次、熟练度和单词记忆量对多个单词进行综合评价，并根据综合评价结果确定目标推荐单词。本发明所述方法能够得到用户所需背诵的单词量，以提高单词推荐的准确率，进而提高用户背单词的效率。
-
Patent Agency Ranking
公开(公告)号：CN113268706A
公开(公告)日：2021-08-17
申请号：CN202110529598.3
申请日：2021-05-14
Applicant: 北京邮电大学 , 北京思开科技有限公司
IPC: G06F17/16
Abstract: 本发明公开了一种基于隐语义模型的学习剩余工作量估算方法，属于智能教育领域，具体为：首先，针对某知识点K，将m个学生按各自的掌握情况划分试题，形成二维矩阵S；转换为一维数组后将组内各元素升序排序得到集合T，选出值为1的元素作为子集T0，将剩余元素均分为n‑1个子集并选出区间窗口；针对某个学生u，用n个区间窗口分别扫描该学生的知识点掌握度序列后进行Map映射，得到学生u在各区间窗口的完成试题数量；同理，逐个扫描m个学生，构造完成试题数量矩阵，输入LFM算法，预测当前学生u对知识点K掌握度达到100％时需要完成的试题数量。本发明可以提前预估要达到学习目标的学习剩余工作量，使学生能够合理管理学习时间，提高学习效率。
-
公开(公告)号：CN117743679A
公开(公告)日：2024-03-22
申请号：CN202311605544.6
申请日：2023-11-28
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06Q50/20
Abstract: 本发明提供一种学习内容推荐方法、装置及电子设备及存储介质，包括：确定目标用户有过显示反馈和隐式反馈的各待推荐学习内容各自的学习内容特征向量、目标用户的目标用户特征向量、每个待推荐学习内容的目标偏差特征向量、目标用户的目标偏差特征向量和目标用户有过隐式反馈的对应待推荐学习内容的目标隐式反馈特征向量后进行评分预测，并基于各预测评分从各待推荐学习内容中确定预测评分最高的前N个未学习过的目标待推荐学习内容推荐给目标用户。本发明能够实现在所有待推荐学习内容中选取最符合用户偏好和需求的目标学习内容向目标用户推荐，实现了高效性且个性化的学习内容推荐的目的，有效提高了目标用户的学习效果和学习效率。
-
公开(公告)号：CN116304917A
公开(公告)日：2023-06-23
申请号：CN202211098259.5
申请日：2022-09-08
Applicant: 北京邮电大学
IPC: G06F18/2431 , G06F18/25 , G06F40/289 , G06N3/0442 , G06N3/0455
Abstract: 本发明提供一种作文评分方法、装置、设备、介质及计算机程序产品，该方法包括：将待处理词数组输入预训练语言模型，得到目标特征矩阵；对待处理词数组对应的浅层次特征进行批量归一化处理，得到第一输出特征；将待处理词数组输入到预设神经网络，得到第二输出特征；将所述目标特征矩阵、所述第一输出特征以及所述第二输出特征进行特征融合，根据融合结果确定所述待处理词数组对应的作文评分。本发明通过对预训练语言模型、批量归一化处理以及预设神经网络得到的特征进行融合，并根据融合结果确定作文评分，提高了作文评分的准确性与泛化性。
-
公开(公告)号：CN113268611B
公开(公告)日：2022-11-01
申请号：CN202110706088.9
申请日：2021-06-24
Applicant: 北京邮电大学 , 北京思开科技有限公司
Abstract: 本发明公开了一种基于深度知识跟踪与强化学习的学习路径优化方法，属于自适应学习领域；具体为：针对某个学生，选择所有未学的以及没有先修的知识点作为待选知识点；利用历史学习的知识点进行one‑hot编码，输入到DKT模型中，输出各待选知识点的掌握水平预测值。然后，选择预测结果最高的知识点K推荐给学生学习；学习过程使用知识点内的学习路径优化算法实现；在当前知识点K学习通过之后，判断是否有后续知识点，如果有，将后续知识点加入待选知识点集合，并将当前知识点K移出；否则，直接将当前知识点K移出，选择下一个知识点重新预测和学习，直至待选知识点集合为空。本发明可以大幅提高推荐精度，在获得同等学习效果的情况下效率有所提高。
-
公开(公告)号：CN113268611A
公开(公告)日：2021-08-17
申请号：CN202110706088.9
申请日：2021-06-24
Applicant: 北京邮电大学 , 北京思开科技有限公司
Abstract: 本发明公开了一种基于深度知识跟踪与强化学习的学习路径优化方法，属于自适应学习领域；具体为：针对某个学生，选择所有未学的以及没有先修的知识点作为待选知识点；利用历史学习的知识点进行one‑hot编码，输入到DKT模型中，输出各待选知识点的掌握水平预测值。然后，选择预测结果最高的知识点K推荐给学生学习；学习过程使用知识点内的学习路径优化算法实现；在当前知识点K学习通过之后，判断是否有后续知识点，如果有，将后续知识点加入待选知识点集合，并将当前知识点K移出；否则，直接将当前知识点K移出，选择下一个知识点重新预测和学习，直至待选知识点集合为空。本发明可以大幅提高推荐精度，在获得同等学习效果的情况下效率有所提高。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
