-
公开(公告)号：CN118230031A
公开(公告)日：2024-06-21
申请号：CN202410262784.9
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、系统、设备及存储介质，包括：获取在线学习者视频，并基于在线学习者视频的累积像素点变化个数，得到在线学习者视频的视频采样帧序列；基于结合光流的时空管道嵌入方法，对视频采样帧序列进行运动信息捕获和嵌入操作，得到词法单元序列；基于时空管道嵌入和改进分离时空自注意力机制，对词法单元序列进行广义时空管道自注意力计算，得到类别分类头；将类别分类头输入至预设的专注度分类模型得到在线学习者专注度类别。通过自适应采样以及光流提取技术，结合时空管道嵌入和改进分离时空自注意力机制，实现广义时空管道自注意力计算，进而有效提升在线学习者专注度类别分类的效率和准确性。
-
公开(公告)号：CN116758623A
公开(公告)日：2023-09-15
申请号：CN202310698144.8
申请日：2023-06-13
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于多任务的在线学习状态识别方法及相关装置，属于学习状态预测领域。本发明提供采用神经网络与融合Landmarks和个性化校准的注视点估计模型相结合的多任务学习框架对表情和注视点两个学习状态指标进行预测；采用融合Landmarks和个性化校准的两阶段注视点估计算法，解决了通用模型准确度与泛化性能不足、难以系统化实现及大规模应用等问题；采用任务自适应的交替联合调度多任务训练，有效提高各任务的学习性能，并使主要任务达到更好的效果。本发明解决了通用注视点估计模型具有的准确度与泛化能力的不足，同时克服了系统化实现及大规模应用的困难。
-
公开(公告)号：CN109376269B
公开(公告)日：2021-01-19
申请号：CN201811481130.6
申请日：2018-12-05
Applicant: 西安交通大学
IPC: G06F16/735 , G06Q30/06 , G06Q50/20
Abstract: 本发明公开了一种基于图谱关联的跨课程视频子图推荐方法，包括以下步骤：1)利用学习者的网络学习日志基于隐式反馈进行视频学习行为特征的抽取；2)获取种子视频集videoSeeds；3)构建跨课程知识点‑视频关联图谱；4)利用跨课程知识点‑视频关联图谱计算课程视频关联度；5)利用用户行为的隐式特征，采用种子视频集，并结合课程视频关联度为学习者提供蕴含知识关联的跨课程视频子图，该方法能够综合考虑用户隐式学习特征和课程视频间的知识关联性，为在线学习平台的学习者提供满足其学习偏好并且考虑跨课程知识关联的课程视频推荐。
-
公开(公告)号：CN108628967B
公开(公告)日：2020-07-28
申请号：CN201810369026.1
申请日：2018-04-23
Applicant: 西安交通大学
IPC: G06F16/9535 , G06F16/9536 , G06K9/62 , G06Q50/00
Abstract: 本发明公开了一种基于学习生成网络相似度的网络学习群组划分方法，包括以下步骤：1)建立用户知识点关联网络，再计算用户学习序列中第i+1个知识点与前i个知识点的时序相关度；2)构建用户学习生成网络；3)获取学习生成网络及之间的内容相似度4)计算用户学习生成网络与之间的结构相似度5)使用内容相似度与结构相似度加权求和的结果作为用户学习生成网络的总体相似性，再将用户学习生成网络的总体相似性采用基于相似度的CURE层次聚类算法对用户学习生成网络进行聚类，实现基于学习生成网络相似度的网络学习群组划分，该划分方法考虑用户学习过程及认知特征实现网络学习群组划分。
-
公开(公告)号：CN106095663A
公开(公告)日：2016-11-09
申请号：CN201610368555.0
申请日：2016-05-26
Applicant: 西安交通大学
IPC: G06F11/36
CPC classification number: G06F11/36 , G06F11/3688
Abstract: 本发明提出一种基于切片模型的程序回归错误定位方法，在程序预处理阶段，通过对比两个版本程序源码，识别不同部分，根据识别结果对源码进行重排；在轨迹对应阶段，根据获取到的两个版本程序的执行轨迹、语句间的依赖关系和变量值信息，对两条执行轨迹上的语句进行对应、分类；在切片分析阶段，从新版本程序执行失败点为起点开始进行切片分析；根据语句实体分类及其依赖关系，回溯导致程序执行失败的语句实体，直至待分析的依赖语句为空，且被分析的当前语句不需要继续分析其依赖关系；最后，将切片分析的阶段所有被分析的语句实体作为导致回归错误的程序行为切片输出。本方法阐明了回归错误的产生机理，对回归错误的修复具有指导作用。
-
Patent Agency Ranking
公开(公告)号：CN119886341A
公开(公告)日：2025-04-25
申请号：CN202411951590.6
申请日：2024-12-27
Applicant: 西安交通大学
IPC: G06N5/04 , G06N3/0455 , G06N3/092
Abstract: 本发明属于人工智能和数据科学技术领域，公开了一种基于大模型与结构约束的因果发现方法及相关装置，包括根据各因果变量的元信息，采用大语言模型并结合多轮对话、多角色扮演以及辅助提示词方式，生成各因果变量的初始潜在因果图；重复下述步骤至满足预设条件，输出价值得分最高的候选因果图：采用基于编码器‑解码器架构的策略网络生成候选因果图，并采用基于actor‑critic框架的强化学习算法对候选因果图进行迭代优化；根据价值网络计算迭代优化后的候选因果图的价值得分，并根据所述价值得分更新基于编码器‑解码器架构的策略网络的参数。不仅显著提高了因果关系识别的效率和准确性，还能够在复杂数据环境中生成高置信度的因果关系图。
-
公开(公告)号：CN118887268A
公开(公告)日：2024-11-01
申请号：CN202410894417.0
申请日：2024-07-04
Applicant: 西安交通大学 , 联想(北京)有限公司
IPC: G06T7/50 , G06T7/70 , G06T7/11 , G06V40/20 , G06V40/18 , G06V40/16 , G06V10/46 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像处理领域，公开了一种基于深度空间变换的注视目标估计方法及相关装置，根据学生视角图像的深度图和教师视角图像的深度图得到坐标变换参数，根据学生视角图像的学生面部图像以及学生头部在图像的位置得到学生的视锥参数，根据教师视角图像的教师行为特征得到教师视角图像的显著性热图，然后结合上述结果得到学生在教师视角图像的像素级注视目标热图。该估计方法结合双视角深度空间变换，并通过对显著性、凝视姿势和两种视图角之间几何关系的联合估计，实现学生与被观测物体不在同一视角图像情况下注视目标的估计，解决了线下课堂目标估计中的深度信息缺失、双视角坐标系不对齐和对多人多物教室环境全局上下文建模能力不足等问题。
-
公开(公告)号：CN117541207A
公开(公告)日：2024-02-09
申请号：CN202311474771.X
申请日：2023-11-07
Applicant: 西安交通大学
IPC: G06Q10/1053 , G06F16/9535 , G06F18/214 , G06F17/11
Abstract: 本发明属于一种推荐方法，针对现有关于冷启动阶段推荐的解决方案中，基于特征工程的研究无法很好地服务于当前个性化特征稀缺的场景，基于跨域推荐的研究，局限于当前场景下热用户稀缺的问题无法很好地学习源域到目标域的转移函数，且其源域信息挖掘力度不足。提出一种基于跨域推荐的冷启动用户就业单位推荐方法及相关装置，充分利用用户与课程的交互捕捉毕业生用户的学业特征与偏好，实现更精准地毕业生就业偏好捕捉，在一定程度上解决用户个性化特性稀缺的问题。另外，基于元学习，通过面向目标域任务优化转移函数，缓解热用户不足致使转移函数难训练的问题，更好地服务于冷启动用户的目标域表征生成。能够提高就业推荐的准确性。
-
公开(公告)号：CN117392745A
公开(公告)日：2024-01-12
申请号：CN202311266754.7
申请日：2023-09-27
Applicant: 西安交通大学
IPC: G06V40/20 , G06V10/774 , G06V10/82
Abstract: 本发明属于图像处理领域，公开了一种面向在线学习场景的学习者行为识别方法及相关装置，包括根据学习者图像，以头部欧拉角和骨骼关节点作为拟合目标，通过迭代回归训练拟合人体三维模型的参数，构建学习者上半身三维模型；根据学习者上半身三维模型及学习者图像，得到得到学习者的头部姿态向量、躯干坐姿向量、头物交互向量、左手与物交互向量和右手与物交互向量；通过注意力机制得到躯干坐姿向量、头部姿态向量、头物交互向量、左手与物交互向量和右手与物交互向量对于学习者行为识别的重要性系数，进而获得学习者的行为识别向量，根据行为识别向量识别学习者行为。解决了视角无关、遮挡条件下学习者行为识别精度低的难题，提升识别准确性。
-
公开(公告)号：CN109376269A
公开(公告)日：2019-02-22
申请号：CN201811481130.6
申请日：2018-12-05
Applicant: 西安交通大学
IPC: G06F16/735 , G06Q30/06 , G06Q50/20
CPC classification number: G06Q30/0631 , G06Q50/205
Abstract: 本发明公开了一种基于图谱关联的跨课程视频子图推荐方法，包括以下步骤：1)利用学习者的网络学习日志基于隐式反馈进行视频学习行为特征的抽取；2)获取种子视频集videoSeeds；3)构建跨课程知识点-视频关联图谱；4)利用跨课程知识点-视频关联图谱计算课程视频关联度；5)利用用户行为的隐式特征，采用种子视频集，并结合课程视频关联度为学习者提供蕴含知识关联的跨课程视频子图，该方法能够综合考虑用户隐式学习特征和课程视频间的知识关联性，为在线学习平台的学习者提供满足其学习偏好并且考虑跨课程知识关联的课程视频推荐。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.029 seconds)
